编译|冯维维

最近，以色列巴伊兰大学副教授Ariel Rosenfeld萌生了一个新研究想法。研究的路径很清晰，但落地执行却需要投入实打实的精力——梳理文献、编写代码、训练模型、开展统计分析。

如果是几年前，他可能会不假思索地这么做：招一名研究生加入实验室，让学生主导这个项目，他在幕后指导。但现在，他冒出一个让自己有些不安的念头：要不要干脆把这些工作交给人工智能（AI），而不是在一名学生身上冒险呢？

Rosenfeld之所以感到不安，是因为他觉得偏爱算法而不是学生，像是对学术使命的背叛。最近，他在《科学》发文描述了周围环境的变化和自己身在其中的感受。

以下为他的讲述。

图为AI生成

我想起了十多年前自己刚读研时掌握的研究技能，又想起了一路走来接受了多少指导与培养才达到今天的位置。当初我给教授们发邮件，表达想攻读计算机科学博士学位的兴趣时，我的研究经验其实是零。

我努力做了最基础的功课，去了解他们的研究方向。但坐在他们的办公室里，听他们谈论机器人技术、算法和自然语言处理时，我对这些概念的真正含义几乎一无所知。

有一位教授没有计较我的懵懂无知，同意接收我。我对这个机会充满感激。但一开始的几个月，现实给了我沉重的一击：我拼命钻研，阅读文献、撰写摘要、构思想法，试图弄明白所有问题。

然而，每当给导师汇报工作时，她看着我交出的毫无头绪的结果，给出的反馈都是让我从头开始。

我想过放弃，因为我觉得自己一直在让导师失望。但导师却从未放弃我。或许是她相信我的潜力，或许是她看到我已经拼尽全力，又或许，她只是简单地相信培养学者的过程本身并不容易。

经过一年左右极其耐心的投入后，我终于做出了一些可以在此基础上继续深入研究的成果。在那之后，我才慢慢从一个毫无头绪的新手，成为一个入了门的青年研究者。

多年后，我自己也成了一名教授，看着我的学生们像当年的我一样，在研究中步履维艰。我的日程表被各种会议占满，而这些会议的核心工作，就是帮他们厘清研究中的困惑。最终，这份投入有了回报：看着他们成长为能干的青年合作者，我体会到了难以言喻的成就感。

如今，AI给我提供了一个新的选择。它固然算不上什么超凡的学术合作伙伴，但却能出色地完成我亟须做的大量工作。

AI无需适应磨合时间，不用开各种沟通会议，不需要任何情感支持。它让我的想法发生了一种悄无声息、同时令人不安的转变。

问题不在于我的学生是否有价值。从长远来看，他们的价值是无可替代的。

真正的问题在于，学生的价值需要时间慢慢显现，而AI却能带来即时回报。我羞于承认，这种即时的回报有着多大的诱惑力。事实上，在我们的学术文化中，偏爱算法而不是学生，感觉像是对学术使命的背叛。

权衡

但我发现，身边的实验室也都在做着类似的权衡。关系密切的同事，都在悄然减少招收学生的数量；即便招生，也明显“更挑剔”。

我的第一反应是，在这个新环境下，我招收的任何一名学生，需要从一开始就能在更高水平上作出贡献。但要满足这些更高的期望，学生大概率会严重依赖那些我自己也会使用的AI工具。

如此一来，他们就可能错失那些宝贵的经历——在研究初期的种种难题中摸索、从自己的错误中学习成长。我不禁担心，学生可能会彻底沦为存在于原始想法和AI输出之间的“中间人”。

同时，对于高校教师来说，科研产出的压力从未消减，科研节奏也从不宽容，这让高效且“无摩擦”的AI愈发具有诱惑力。

我看到的真正危险，不是在可预见的未来AI会彻底取代研究生，而是“招收学生是教授学术生涯中理所当然的一部分”这一固有观念会悄然瓦解。在某些情况下，使用AI会成为最务实的选择。

我不知道，这会让那些毫无研究经验的研究生陷入何种境地。就个人而言，我正受到极大的诱惑，不再冒险在新项目中启用新手——这意味着，若是放在今天，我或许不会招收当年那个懵懂的自己。

相关文章：

https://www.science.org/content/article/why-i-may-hire-ai-instead-graduate-student