文章发表于2026-10-09 10:27:58，归属【科技前沿】分类，已有16人阅读
人工智能正在悄无声息地渗入我们生活的每一处：从手机里的个人助手，到大学生写论文的辅助工具，再到中学生做研究项目的“外挂帮手”，几乎没人能完全避开它的影响。它足够实用、足够让人眼前一亮，但随之而来的问题也不容忽视——它会给科学研究带来怎样的改变？伦理边界在哪里？年轻的科研人又该如何应对它带来的挑战与风险？
《Acronym》杂志专门采访了彼得·董博士。董博士是伊利诺伊州数学与科学学院独立研究项目（IMSA SIR）的协调人之一，本身深耕粒子物理领域的前沿研究，对各类科研场景下的人工智能工具也非常熟悉。在这次采访里，他聊了不少自己的真实想法，没有空泛的套话，都是一线科研和教学里攒出来的独到见解。
总的来说，董博士很认可人工智能的价值：它能把科研人员从重复性的繁琐事务里解放出来，让大家把精力放在更复杂、更需要创造力的工作上。但他也明确提醒，一旦跳出“机械性事务”的范畴，走到需要创造力和问题解决能力的环节，人工智能的短板就会立刻显现。即便如此，他依然强调 AI 对科研的长期影响会非常深远，尤其建议学生和青年科研人员：要把 AI 当工具用，别让它替代了自己的求知欲和探索欲。
下面是这次采访的核心节选。
目前 AI 在科研领域的应用，大多还是集中在处理“人类不想做的繁琐工作”——比如去除实验信号里的噪声、把有效信号和背景干扰分离开，这类耗时间又重复的活儿。
“现在实验室里有太多时间浪费在重复劳动上，如果能把这些问题解决掉，当然是好事。我对人工智能的期待也是如此。这和过去的机械化、自动化是一个道理：人类当年掌握了机械化技术，长远来看给整个社会、全人类都带来了巨大收益。我也希望 AI 能发挥同样的作用。”
董博士认为，当前（以及他期待中未来版本的AI）可以很好地完成人类已经做过的常规工作，甚至能捕捉到人类可能遗漏的细节，但要让它完成真正的创造性任务，还有很长的路要走。
“像ChatGPT这类生成式 AI，输出的内容大多是笼统的、模板化的。我观察到的情况是：一旦问题变得足够具体，它就处理不了了。它只能完成简单任务——到目前为止，它擅长生成‘看起来正确’的内容，但不擅长产出‘真正正确’的内容。如果让它来设计实验方案，成品看起来像模像样，但可能根本不是你真正想要的，实际效果也未必达标。”
“当然能用。搜索引擎本身就是干这个的，像Perplexity这类 AI 搜索工具，作用和谷歌搜索差不多，就是帮大家降低找文献、找资料的难度，效率会高很多。”
“有用，但科研人员用的时候必须非常谨慎。你把网页或者论文丢给AI，它能给出质量不错的摘要，还能根据你的要求调整详细程度，这一点 AI 很擅长。但这里有两个很关键的风险： 第一是 AI 会编造一些夸大的、甚至完全虚假的信息； 第二，如果想让 AI 帮你写文献综述，前提是你自己必须先读过所有相关的核心论文，之后还要通读 AI 生成的内容，确保逻辑通顺、内容准确。归根结底，所有参考文献都必须你自己复核——AI 的输出带有随机性，绝对不能指望它永远正确。”
“报告里有些不需要深度思考的部分，确实很容易实现自动化。比如你上传化学实验数据，跟 AI 说‘我做了一次滴定实验，帮我写份实验报告’，AI 软件就能完成，而且质量还不错。”
但很明显，报告撰写里的另一些环节，完全不适合交给AI。 “在我看来，最大的隐患是责任归属问题——论文的内容必须保证准确无误。尤其是论文的讨论部分，是最难写的，我认为这部分绝不应该交给 AI 自动生成。”
AI 在科研和学习里的普及，也带来了不少争议。比如很多人反对用 AI，核心理由就是：它会妨碍学生真正掌握知识。董博士把这件事类比成计算器的使用——AI 只是简化了部分任务，并不会取代整个学习过程。但即便如此，他也建议学生一定要认清人工智能的局限性。
“肯定会有一段适应期，我们老师要摸索该怎么教。更重要的是学生自己要想清楚：哪些知识是必须牢牢掌握的，哪些可以交给工具。只要你们这一代伴着GPT长大的孩子，真的明白GPT能做什么、不能做什么，那就没问题。但如果把GPT奉若神明，觉得它什么都对，那就麻烦了。这就像《终结者2》里的天网——问题根本不出在 AI 本身，而是有人把核武器的控制权交给了它。”
董博士还特别强调，就算 AI 能完成某些任务，学生依然要掌握对应的基础能力。“GPT写出来的文字可能比你写的还好，但你还是得学会写作。坦白说，我觉得现在大多数学生都明白这个道理，我没见过哪个学生真的觉得‘以后不用学写作了’。”
“我觉得所有技术都会遇到发展瓶颈。吸尘器发明都50年了，一直没有什么颠覆性的革新，无非是效率更高、噪音更小、电池续航更长。就连扫地机器人Roomba也算不上变革性产品——它连楼梯都爬不了。技术存在天花板，AI也是一样的道理：它或许能发现并指出人类没留意到的有趣关联，但最终还是需要人类去验证这些结论对不对。”
“AI 说到底就是个工具，就像一把刀。我们做刀的时候会做防护措施：把刀收在刀架里，放在孩子够不到的地方。别总把人工智能想象成有意识的生命，或者什么能和我们对话的外星智慧，它就是个工具，一个很好用的工具而已。我们用的时候难免会犯错，但最重要的是给这个工具设好防护机制。”
“有些技能的消失其实是可以接受的。比如COBOL编程语言，现在大家都在尝试用 AI 直接更新COBOL代码库，不用人工来做——因为老一辈COBOL程序员都陆续退休了。这反而是我们想看到的变化。所以部分技能慢慢淡出，是很正常的现象。过渡期里可能会出现某些领域的人才短缺，但接下来会怎么样？人们发现有需求，自然就会重新去学这些技能。人不是必须在20岁前学完所有东西，35岁照样可以学新知识。”
看待复杂问题的时候，不能只盯着当下的状态，要理解事物的影响和解决方案都是动态变化的。董博士没有局限在当下现状里评判 AI 的挑战，他既能看到当下的问题，也能预判整个科研生态未来的演变方向。
比如他承认，AI 用得越来越多，可能会影响新一代科研人员的基础能力培养，但他也相信，学生在真正需要的时候，依然会主动去学习相关技能；再比如他也认为 AI 幻觉是个很棘手的问题，但他把这当成一种程序缺陷——一旦这种缺陷真的成了严重制约，自然会被修复。从这个角度说，对 AI 投入越多关注，最终反而会让我们学会更好地管控它。
最核心的启示其实很简单：出现意料之外的后果并不可怕，只要我们愿意行动，愿意从问题里学习。