人工智能时代，博士培养需要重新思考

2022年底聊天机器人ChatGPT发布后，高校围绕人工智能（AI）展开了激烈讨论。这些对话主要集中在本科教学上——如何防止作弊以及如何利用AI改善学习。但在大学的另一项核心活动——研究领域，一场更为平静却影响深远的变革正在发生。
长期以来，博士教育被视为学术训练的顶峰，是培养原创思维、批判性分析和独立探究能力的学徒式教育。然而，这种模式如今正面临压力。AI不仅仅是另一种研究工具，它正在重新定义研究的本质、研究的开展方式以及何为原创贡献。
大学大多对这种变革的规模毫无准备，很少有大学制定全面的治理策略。许多学者仍将注意力集中在早期生成式AI工具的缺陷上，比如幻觉（自信地陈述错误信息）、不一致性和肤浅的回应。但2023年还显得笨拙的AI模型，如今正变得越来越流畅和准确。
AI工具已经能够起草文献综述、在人类指导下编写复杂代码，甚至在提供数据集时生成假设。能够设定自己的子目标、协调任务并从反馈中学习的“智能体”AI系统代表着又一次飞跃。如果当前的发展趋势持续下去，我们很快就会迎来这样一个时刻：大部分传统的博士研究流程都可以由机器完成，或者至少得到大力支持。
这种转变给教育工作者带来了挑战。当AI工具能够生成文献综述、获取和分析数据以及起草论文章节时，何为原创贡献就变得模糊不清了。学生可能需要从执行研究任务转向提出问题和审视AI的输出结果。
为了探索研究培训在不久的将来可能呈现的样子，我进行了一场角色扮演，模拟一名博士生与一个假设的AI助手合作。我使用了Claude，这是由美国加利福尼亚州旧金山的Anthropic公司开发的领先AI系统。
我给这个聊天机器人输入了一个详细的提示（见补充信息），描述了一个虚构的AI研究助手HALe——灵感来源于科幻电影《2001太空漫游》中的AI角色HAL 9000。我赋予HALe一些已经在开发中且未来几年可能会改进的能力，包括访问外部数据库、整合环境和生物数据以及自主进行高级分析。然后我扮演学生的角色，提出问题并回应聊天机器人的回复。这段对话是在一次未经编辑的会话中生成的，为未来的博士研究可能如何展开提供了一个虚构但合理的视角。
模拟的目标是完成一个博士项目，研究极端海洋温度如何影响海洋物种——这是一项雄心勃勃的任务，涉及数据综合、统计建模和撰写一篇可供发表的论文。在这个虚构的场景中，HALe不仅仅是提供协助，它还采取了主动。它搜索并提取科学文献中的数据，识别知识空白，整合环境和生物数据集，运行复杂的统计分析，解释结果，起草手稿，建议同行评审人员，甚至创建了一个开放获取的数据存储库。这个现实中需要学生花费数月时间的整个过程，在一系列有指导的交流中快速完成，可能只需要几个小时。
尽管如今的AI模型还不能以接近完全自主的方式执行这些任务，但该模拟是基于当前系统在人类指导下已经能够完成的工作。例如，ChatGPT、Claude和其他最先进的聊天机器人能够起草可信的文献综述、提出假设、建议分析方法，并生成代码——这些代码经过人类审查和验证后，可以处理真实的数据集并产生有意义的输出。它们甚至可以帮助解释统计结果和可视化发现。在进行这项练习时，让我印象深刻的是，现在大部分传统的博士研究过程都可以由AI驱动并加速。有时，感觉就像在和一个能力超强、速度惊人的研究助手一起工作，既令人兴奋又令人不安。
当然，这个模拟反映的是一种特定类型的项目——分析性的、数据丰富的和计算性的项目。实验性或基于实地的博士项目，尤其是那些需要收集样本、实验室工作或与他人或自然世界互动的项目，仍然不太容易实现完全自动化。但即使在这些科学领域，AI也可能在实验设计、自主数据收集、文献综合和实验后分析中发挥越来越重要的作用。
这段经历让我深刻认识到，在AI时代，学术技能的培训需要从根本上重新考虑。