AI自动化科学与技术加速专题
AI自动化科学与技术加速专题是导航与综合页面。主题边界：组织模型、机器人实验、数据基础设施和转化闭环；速度、预测准确率或自动化程度不等于科学正确和临床有效。
本专题把路线分为：直接改变生存或主体连续性的作用、间接改变功能和风险的作用、以及使技术可达的条件保障。任何一条路线都必须从前置依赖，经机制和目标变量，连接到状态变化、风险变化、持续性结果和失败条件。
研究域定义问题与变量 -> 技术节点提出可检验转换 -> 证据来源限定支持范围 -> 最终终点判断净状态与风险变化 -> 治理、资源和替代路线决定效果能否持续
- 证据来源：AlphaFold 2021：AI 显著提高蛋白质结构预测能力
- 证据来源：NIST人工智能风险管理框架1.0：支持把模型性能、数据偏差、可追溯性、人工监督、安全与部署情境同时纳入自动化科研。
- 证据来源：A-Lab 2023：机器学习、机器人、测量和主动学习组成材料实验闭环
- 证据来源：类器官智能研究议程：类器官智能概念、研究目标、技术依赖和伦理议程
- 证据来源：脑机接口伦理综述：脑机接口的人格、自主、隐私、安全、责任和公平问题
- 证据来源：UNESCO神经技术伦理建议：神经技术生命周期、人权、同意、精神隐私、神经数据和AI融合治理
证据只能支持其研究设计、对象、终点和时间窗内的主张；相关性、机制、体外、动物、早期临床、监管许可和商业可得性分别回答不同问题，不能互相替代。
- 历史前置条件用于解释测量、材料、制度和工程能力如何形成；它不是现代节点的直接疗效证据。
- 历史技术谱系按医学、生命科学、神经技术、计算自动化、生命支持和低温保存组织里程碑。
- 现代节点的直接依赖以各技术页“直接前置依赖”为准。
- 成功终点应以生存、真实功能、可恢复性、主体授权和长期净风险为核心，而非只用代理指标。
- 技术可能把风险和维护负担转移给其他器官、家庭、群体、公共系统或未来时间段。
- 复制、相似、保存结构和维持代谢不能自动证明同一主体连续。
- 可及性、成本、供应链、厂商退出、法律身份和制度连续性可能使实验室能力无法成为现实路径。
- 哪些变量是可干预的因果中介，哪些只是伴随指标？
- 最低充分终点和反证阈值是什么？
- 负面结果、长期风险和不同人群的效果如何并列呈现？
- 主路线失败后，预防、修复、替代、等待、照护或退出路线如何切换？