AI 时代，我们需要更多科学家
We will need more (not fewer) scientists
面对 AI 对劳动力市场的冲击，Bill Gates 警告未来工作机会可能减少，这让许多科学家感到不安。但本文认为，科学探索的边界并非固定不变，AI 的加入更像是在扩大知识宇宙的半径，而非在固定空间内挤占人类的位置。随着 AI 成为强大的 Co-Scientist，科学家的核心价值将转向提出关键问题、甄别结果真伪以及承担最终责任。科学不是零和博弈，随着探索疆域的无限扩张，我们不仅需要 AI，更需要更多的科学家来驾驭这场变革。
科学工作的本质并非零和博弈。
- Alive-in-2025
我有点担心如今新晋的科学家们。90 年代我读博时，世界还没乱成一锅粥。那时候没人担心某个愚蠢的 LLM（指它并非智能生命体，如有异议请自行讨论）能通过大规模生成各种组合、推导其含义并检查是否存在矛盾，从而在你的研究领域里搞出一堆发现。
那样的博士学历还有用吗？你的领域会不会在短短几年内被彻底拓展到新的方向，以至于你根本无法理解？这既令人兴奋又让人恐惧。这些人总不能都像我当年那样，跑去一家愚蠢的 dot com 公司做点别的吧？三年后还会有副教授吗？还有终身教职吗？90 年代我们就担心过这个问题，但当时的担忧程度远不及今天。我一直以为，如果一切崩盘，我总能学会一个新的技术领域。我祖父在 30 年代拿到了农业工程学位，他觉得自己总能利用这个背景找到别的事做。
而那时的情况比现在糟糕得多。想象一下，如果你认识的人都失去了房子、农场和生计。一位祖父母穷得连农场都没有（是佃农），另一位则失去了农场。而我们算是幸运儿——他们白手起家，还读完了大学！
- Otterly99
作为一名前生物物理学家，我想谈谈我对 AI 在科学领域应用的正反两面看法。
正面来看：在科学界，你需要具备大量横向技能，比如演讲展示、数据整理和数据分析。特别是在生物学领域，学生从未被教导如何妥善存储数据，更不用说如何自动化分析了。我观察到的模式总是如出一辙：数据是以方便人类阅读的方式存储的，但却无法通过脚本处理（想想那些分散在不同 Excel 表格里的列片段，有时标签甚至不在顶部而在数值旁边）。我博士初期也犯过这种错误，后来不得不重新学习。有了代码代理（coding agent），你不再受限于编程门槛，可以绘制数据图表，甚至获得关于如何正确存储数据的指导，我认为这是一个巨大的福音。
第二个正面因素是，你可以获取那些略微超出你专业领域的论文中的见解，并提取有用信息。
负面来看：AI 也让你更容易产出垃圾，尤其是如果你从事的实验性较弱的领域。这将使得区分好论文和坏论文变得更加困难，因为你现在可以让一篇烂论文看起来很棒。老实说，这其实是科学界一个更深层的问题，即不幸的“不发表就出局”心态：资助是基于你发表了多少篇论文，而不是论文的质量和影响力。现在你能更快地炮制论文，这只会加剧这一问题，……