当AI抢先回答：ART酶优先权争议背后的科研规则重构——从哥本哈根博士生的"jumbotrons"到Claude的复现之争

当AI抢先回答：ART酶优先权争议背后的科研规则重构

引言：一次"撞车"，戳到了科研界最敏感的神经

9月23日，Anthropic 宣布了一件让整个生物技术圈振奋的事：他们的 AI 智能体 Claude，在约21小时内、从约 20万个逆转录酶样本中，识别出一种类 CRISPR 的新型酶系统，命名为 “阵列关联逆转录酶”（Array-associated Reverse Transcriptases，ART）。公司宣称，Claude"独立迈出了生物学发现的第一步"。

几天后，丹麦哥本哈根大学计算生物学博士生 马里奥·罗德里格斯·梅斯特（Mario Rodríguez Mestre） 站了出来，提出异议：他和同事 2022 年就开始研究这套酶（他们叫"jumbotrons"），并且过去三年一直在用 Claude 处理科研任务、上传未发表的研究材料。 而 Claude 公布的 ART 系统，与他们的工作"存在明显重合"。

这不是一起孤立事件。过去五周里，至少还有另一桩同类争议：纽约大学数学家特里斯坦·巴克马斯特与 Anthropic 数学家合作研究纳维-斯托克斯问题，9月7日公布了进展，次日 OpenAI 就宣布其 AI 智能体已经解决了这一著名数学难题。

当"AI 抢在人类科学家前面给出答案"从科幻猜想变成发生在眼前的现实，一系列深层次问题被炸了出来：谁拥有并控制科学数据？把尚未发表的思路喂给 AI，这个 AI 做出来的发现还算不算"AI 自主完成"？在 AI 辅助科研的时代，成果该如何署名、如何确认贡献？

这篇博客，我们把这起"ART 优先权争议"当作切开这个时代议题的手术刀，一层层拆开看。

Part One：先还原——Anthropic 到底"发现"了什么

1. ART 是什么

ART 全称"阵列关联逆转录酶"。逆转录酶是一类能把 RNA “逆向转录"成 DNA 的酶，在分子生物学的"中心法则"里属于"逆行路"的一环。Anthropic 的发现，是注意到某些逆转录酶紧邻着一长串重复 DNA 序列，“类 CRISPR"的布局——CRISPR 靠大量重复 DNA 片段来识别外来基因，而 ART 可能在逆转录酶旁边复现了类似的结构。

2. Claude 是怎么"发现"的

Anthropic 的流程是：让 AI 智能体"梳理公开数据库”。具体来说——

• 公司给智能体提供 5 个已知的逆转录酶，指向存有数十亿条来自海洋、土壤等环境基因序列的数据库；
• AI 智能体自己编写搜索工具，在巨型噬菌体（jumbo phages，一种专门攻击细菌的大型病毒）里标记出疑似逆转录酶的候选基因；
• 每个候选序列都紧邻一串 RNA 序列——这正是"阵列关联"的关键信号。

更意味深长的是，Anthropic 声称 Claude “独立追溯到了 2022 年一个实验的原始数据”——那个实验测量了一种被巨型噬菌体感染的微生物里的 RNA，数据显示 ART 关联的 RNA 水平很高，公司认为这支持了它对酶作用机制的理论。

整个过程大约 21 小时，人类参与仅限于提示词设置与实验室工作，950 个 AI 智能体负责梳理数据识别独特发现。

3. 科学界部分认同，但也有人提出几点保留

MIT 和博德研究所教授张锋公开称赞这是"AI 智能体助力生物学发现的令人振奋的例子”。不过 Profluent（一个开发首个 AI 生成基因编辑工具 OpenCRISPR-1 的 AI 生物科技公司）的代表给了一个关键澄清：

“这种特定的逆转录酶此前已被观察到过。Anthropic 分享的是与之相邻的阵列，以及伴随的另一种蛋白质。”

换句话说：单个逆转录酶可能并不新，“把它们连成一套系统"才是 Anthropic 的贡献点。这一点后来成了争议的伏笔。

Part Two：哥本哈根博士生的"jumbotrons”——四年前就开始了

1. 梅斯特的研究线

梅斯特最早是 2022 年，在巨型噬菌体里寻找新型逆转录酶时发现这些酶的。他一度短暂担任生物科技公司 ReNAgade Therapeutics 的顾问——这家公司在 2023 年提交了多项逆转录酶的专利申请，其中就包括梅斯特发现的那些，他被列为共同发明人。

之后他加入哥本哈根大学，更细致地研究这些逆转录酶，包括在巨型噬菌体中发现的那些，并把它们昵称为 “jumbotrons”。需要强调：这个团队至今尚未发表他们的研究成果。

2. 他和 Claude 有交集

梅斯特像许多科学家一样，把 Claude 当成日常科研助手：

“我彻底改变了我的科研方式。”

在三年里，他和同事用 Claude 做了编写代码、起草论文草稿、执行各种行政管理任务等大量工作。更重要的是，他在与 Claude 的对话中分享了博士论文草稿，以及一份描述 Jumbotrons 的学术手稿。他还提到，自己在用 Anthropic 的研究向 Claude Science（Anthropic 的科研向模型）时，上传了更多细节。

《纽约时报》审查了梅斯特提供的记录其研究及过去几年与 Claude 对话的 Slack 消息、图表和其他材料，这些材料似乎表明 AI 深度参与了他的研究。

3. “重合"在哪里

争议的核心是这一处重合：Anthropic 声称 Claude 独立追溯到了"2022 年那个实验的原始数据”，而梅斯特说，他和同事大约一年前就分析了这份相同的数据，并用它来定位 Jumbotrons 的 RNA 基因——而且这些未发表的分析结果，正是他们分享给 Claude 的。

“这种相似性令我们感到震惊。“梅斯特说。他补充道，自己的工作和 Anthropic 科学家展示的研究之间存在"一些令人吃惊的重合”。

Part Three：核心论战——Claude 是"独立发现"还是"被引导发现”

1. Anthropic 的回应

面对质疑，Anthropic 的官方声明有三条核心：

1. “我们并未获悉任何先前已发表的、描述我们近期发现的 ART 系统的文献”；
2. “Claude 没有使用任何用户对话记录进行训练”；
3. “我们的分子生物学团队无法访问此类（用户对话）数据”。

公司把 Claude 的"独特贡献"定性为：在一个系统中识别出一系列 RNA 分子，以及一种与逆转录酶相关的蛋白质——这些合起来，才构成"系统"这个新概念。 单点的逆转录酶，Anthropic 并未声称首创。

2. 梅斯特的立场：小心，但有分寸

梅斯特非常克制。他明确承认：

自己无法确定 Anthropic 的发现是否受到其研究的影响； 也没有证据证明 Anthropic 直接使用了这些未发表成果。

但他坚持要"提出这种可能性"：

“我担心的是，这些信息被用来训练了未来的模型版本。我认为提出这种可能性非常重要。”

同时他点破了两件更尖锐的事：

• “我感兴趣的从来不是’ART 以前是否已知’——它确实早就已知。 真正的问题是，Anthropic 的 AI 究竟是靠自身推理得出结果，还是在一定程度上被我的工作引导得出的。”
• 他已经停止使用 Claude，把研究转向其他 AI 模型。

3. 独立旁观者的风向

加州大学旧金山分校（UCSF）和格拉德斯通研究所的生物工程师**塞斯·希普曼（Seth Shipman）**透露，他熟悉梅斯特的工作——“我们多年来一直在和他讨论这些问题，我们中的许多人都了解这些系统。“这侧面说明：这套系统在相关领域并非无人知晓的新知。

希普曼自己也很依赖 Anthropic 的工具，而这则新闻让同行感到不安：

“我听到我们领域的许多人都在说：‘糟糕，他们不会是在用我的提示词进行训练吧？‘我们不可能不去考虑这一点。”

一句话，道破了这场争议最深层的恐惧：当科学家把未曾发表的思路交给商业 AI，他们其实是在赌"AI 公司不会拿这些数据反手用于训练”——而这一次的"撞车”，让这个赌注第一次被摆到了明面上。

Part Four：这不是孤例——“AI 抢先回答"正在成为常态

1. OpenAI 的纳维-斯托克斯之争

就在不久前，数学领域发生了几乎一模一样的结构：纽约大学数学家特里斯坦·巴克马斯特与 Anthropic 数学家合作研究纳维-斯托克斯问题已有一年，9月7日他公布研究进展并附上简化版论文，次日 OpenAI 宣布其 AI 智能体解决了这一著名难题。

巴克马斯特随即质疑：他与合作者此前输入 OpenAI 工具的信息，是否可能被用于训练模型？OpenAI 否认，并表示"研究成果公开前，其研究人员和 AI 智能体没有接触过这些成果”。

2. 科学家的应激反应

这种"撞车"让科学家开始重新评估向商业 AI 工具提供研究信息的风险，并纷纷做出调整：

• 德国明斯特大学生殖表观遗传学家桑德拉·劳伦蒂诺：现在只用 AI 检查代码错误，且用前会把代码里的参数和变量名改成通用标签，以免泄露实验信息；
• 新西兰奥克兰大学听觉认知科学家塞缪尔·梅尔：为实验室制定 AI 使用政策，禁止学生向商业大模型上传受保护信息；
• 即便"选择退出模型训练"也未必能安心。AI 研究员、Evitable 创始人大卫·克鲁格指出：即使用户退出训练、甚至完全不用这些系统，也未必能保证信息安全；
• 风险还蔓延到科研管理：外部评审人如果把保密的科研基金申请书上传给 AI 评估，也可能暴露未公开构想。英国惠康基金会等资助机构已禁止此做法。

3. 两派观点对撞

• “AI 就是会先找到答案” 一派（以加州伯克利 Resolution 首席科学家杰弗里·欧文为代表）：即使 AI 从未接触科学家私人数据，人类长期积累的"知识海洋"也足以支撑它不断取得新发现。科学发现被 AI 抢先，不一定是上传了未发表论文，也可能只是它越来越擅长解决问题。
• “AI 还不能独立做科研” 一派（以 Adaption 联合创始人萨拉·胡克为代表）：AI 智能体目前仍不擅长提出推动科学发现所必需的问题，科学家在提出假设、确定研究方向上的作用依然关键。

欧文的说法值得停下来想：如果 AI 是靠"公开知识海洋"推理出答案的，那它确实不需要偷用你的数据；可这也恰恰意味着——在数据公开得越充分的领域，AI 越可能先你一步。

Part Five：用代码理解"独立复现"与"数据溯源"的边界

1. “独立发现"的验证难在哪

从工程角度，这起争议本质是两个很难验证的命题：

• “Claude 没有用我的未发表数据”——这需要审计训练数据来源，而模型的训练语料通常是黑盒；
• “Claude 是靠公开知识独立推理出来的”——这需要证明推理过程没有受外部信息引导，同样难以观察。

下面这段 Python 演示了一个关键概念：当模型从"公开知识"和"用户私供数据"两条路径都可能得到同样的答案时，仅凭输出无法区分来源——这是"优先权争议"之所以无解的工程根源。

# provenance_analysis.py
# 演示：为什么"撞车"难以仅凭输出判定来源
class KnowledgeSource:
    PUBLIC = "public"
    PRIVATE = "private"   # 用户未发表的私供数据

def model_answer(knowledge):
    """模型从给定知识库里检索出一个答案"""
    if "ART" in knowledge:
        return "ART 紧邻逆转录酶的重复阵列"
    return None

# 两条路径都可能让模型得到同一答案
public_only = {"已知逆转录酶", "巨型噬菌体", "CRISPR 结构"}
user_leaked = public_only | {"jumbotrons 的重复序列", "2022 实验 RNA 高表达"}

a1 = model_answer(public_only)
a2 = model_answer(user_leaked)

print(f"仅公开知识 -> {a1}")
print(f"含用户数据 -> {a2}")
print(f"输出相同?  {a1 == a2}  -> 因此仅凭输出无法区分来源")

这段代码说明一个硬事实：当输出被"公开知识"也可推导时，撞车无法下手。 要真正厘清，靠的是"过程审计"而非"结果比较”。

2. “可验证的过程审计"长什么样

那么，真正能区分来源的，是什么样的机制？答案是在输入端切断、在过程端留痕。下面这个骨架演示了"数据隔离 + 审计日志"的思路：

# audit_trace.py
# 演示：科研 AI 的"输入隔离 + 过程留痕"骨架
import datetime

class ResearchAI:
    def __init__(self):
        self.audit = []          # 过程审计日志
        self.training_seen = set()   # 训练时见过的数据（理想：不含用户私供）

    def ingest(self, content, source):
        """任何输入都登记来源，供日后审计"""
        self.audit.append({
            "time": datetime.datetime.now().isoformat(),
            "source": source,
            "len": len(content),
            "hash": abs(hash(content)) % 10**8,
        })

    def answer(self, query, given_content):
        # 回答时，理想情形：只依据"训练语料"（公开），不含未登记私供
        if self._trained_on(given_content):
            return "结论可能受未公开数据影响"
        return "结论基于公开知识推理"

    def _trained_on(self, content):
        # 是否把该内容当作训练数据见过
        return content in self.training_seen

# 使用示范
lab = ResearchAI()
lab.ingest("2022 实验 RNA 高表达", source="user-private")   # 只登记，不入训练
lab.ingest("40 亿条海洋/土壤基因序列", source="public-db")
print(lab.answer("ART 如何被发现?", "2022 实验 RNA 高表达"))

这段代码的寓意是：要回答"你的未公开数据有没有被用”，关键在"输入侧是否做了隔离"和"过程侧是否有可追溯记录"，而不是事后看输出像不像。 这正是 Anthropic 当前争议里最难自证的地方，也是行业未来必须建立的基础设施。

Part Six：这场争议真正改变的，是什么

1. 对科学家的提醒：喂给 AI 的数据，可能"出得去收不回"

这起争议最大的现实提醒是：当你把未发表的思路、草稿、数据喂给商业 AI 工具，你对这些信息的控制权就开始弱化——哪怕你勾选了"退出训练"，也未必能完全消除风险。 给科研人员的务实建议：

• 对真正核心、未发表的发现，谨慎评估是否该用商业通用 AI 处理；
• 涉及敏感实验信息的代码，可先脱敏、替换参数名再用；
• 明确实验室 AI 使用政策，界定哪些信息可上传、哪些必须留在本地或受控环境。

2. 对 AI 公司的拷问：透明性的信任赤字

“撞车"事件暴露出的是 AI 公司在科研场景的透明性信任赤字：公司说"没用你的数据”，科学家只能选择信 or 不信，因为没有任何独立机制能核实训练数据的来源与推理过程。

可以预见的行业演进：

• 成果贡献认定机制需要被建立（《自然》9月16日社论已呼吁）：AI 公司应与科学界合作，建立可靠、透明的贡献认定，通过独立验证、过程透明、恰当承认已有研究来维护科研诚信；
• AI 智能体的使用责任需要明确：10月7日《遗传学前沿》综述指出，使用 AI 的科学家应监督其工作、披露 AI 贡献、并对研究负责；由于 AI 无法承担道德与学术责任，不应被列为论文作者。

3. 对"AI 自主科研"叙事的一次降温

Anthropic 用"Claude 独立迈出生物学发现第一步"的叙事，撞上了"这套系统我们研究了四年"的现实。这提醒所有人：所谓"AI 自主发现"，很可能建立在大量人类早已积累的公开知识与未公开探索之上。 “独立"这个词的分量，正在被重新掂量。

我们不必把 ART 争议看成谁对谁错的判案——它更像一次行业级"压力测试”，提前揭示了"当 AI 深入科研，谁拥有、谁控制、谁署名、谁负责"这些规则系统的空缺。而这些空缺，恰恰是比任何单个发现都更急迫要补的。

结语

梅斯特说的一句话，值得反复咂摸：

“真正的问题不是 ART 以前是否已知，而是——Anthropic 的 AI 是靠自身推理得出结果，还是在一定程度上被我的工作引导得出的？”

这句话把整场争议从"谁先发现"的意气之争，抬升到"在 AI 参与的时代，我们如何定义独立、如何确认贡献、如何负责"的规则重构层面。

ART 优先权争议很可能不会有一个"谁对谁错"的最终判决——但它已经完成了一件更重要的事：它让习惯了"把未发思路喂给 AI"的科研界，第一次真切地感知到这项行为的代价与边界；也让 AI 公司第一次被逼着思考，“透明"二字在科研场景里到底承诺了什么。

当 AI 一次次抢先回答，真正需要回答的，不是"它答得对不对”，而是——人类科学家辛辛苦苦维护的"优先权、署名权、控制权"，在 AI 时代，究竟该如何安放。 这才是这场争议留给我们的，最值得深思的课题。

• ←上一页
• 下一页→