AI让科研更快之后 研究者的价值在哪里

准备这次《AI in Research》分享时，我最初想从具体的研究工作讲起：怎样查文献、写综述，怎样管理引用、编排论文，又怎样借助大模型写代码、做实验、表达研究成果。这些经验确实能够帮助刚进入研究领域的同学。

准备到后来，我越来越想把这次分享再往上推一层。工具越来越多，也越来越好用。当获取知识和实现想法都变得更快，我们更应该想清楚：究竟什么值得研究，又怎样判断自己做的是一项好的研究？

作为研究者，我愿意拥抱AI，学习新的方法和工具；也越来越在意，效率提升之后，我们能否对问题形成更深的理解。以下想讨论的，是这种变化对研究本身意味着什么，以及研究者可以怎样回应。

我理解的科研，是一种遵循严谨逻辑、能够接受质疑与检验的探究活动。它的目的是创造新的知识，不断拓展已有认识的边界。我们提出问题、寻找证据，建立或修正解释，再将它与已有知识相互对照，检验它能否成立。

因此，一项研究的完成，除了意味着多了一篇文章，也应当意味着我们对某个问题有了更清楚的理解。一个新概念、一种新方法、一项可信的发现，或者对旧结论适用范围的修正，都可能增加知识。研究的形式可以不同，但需要说清楚，究竟在哪一点上推进了认识。

笼统地说，在经验研究中，我们经常接触定性和定量两种分析取向。定量方法帮助我们测量、比较和估计关系，定性方法帮助我们理解意义、过程、经验与情境。两者能够互为补充。当然，理论推演、数学证明和概念分析等研究，并不能被这两类方法完全概括。

这些年，数据获取的门槛在许多领域明显降低了。过去很难拿到的行为记录、交易信息或公开资料，现在可能已经能够通过数据库、平台和数字化系统获得。于是，某些原本主要依赖定性材料的问题，也有了开展定量分析的条件。一些研究者会自然地倾向于：既然可以量化，那就尽量量化。

数据更容易获取，并不意味着定性研究已经落后。在很多特别前沿的领域，数据依然极难获得，研究样本依然很少，连我们要测量的概念都可能尚未明确。这时，采访、深度访谈和观察能够提供重要材料，对文献和其他文本材料的逻辑梳理、批判性比较，也仍然不可缺少。

从整体把握一个问题，往往要先理解现象怎样发生、人们怎样解释自己的行动，以及这些解释之间有什么矛盾。文献梳理帮助我们澄清概念、辨认理论脉络；访谈和观察帮助我们了解研究对象的实际处境。文献综述本身也有不同做法，其研究性质取决于具体方法，不能一概归为定性研究。

即使数据已经很多，定性研究也有独立的价值。记录了某种行为，并不等于理解了当事人为什么这样行动；能够给现象编码，也不等于已经准确把握了这个现象的含义。定性研究可以帮助我们发现尚未进入数据库的问题，而定量研究又可以进一步检验某种解释在什么范围内成立。

开始一项研究时，可以采用定性方法、定量方法，或者混合方法。这取决于研究课题与问题。采用混合方法时，两类证据要形成联系：访谈可以帮助定义变量，统计结果也可能提出需要进一步访谈的问题。美国国立卫生研究院（NIH）的混合方法研究指南，也强调这种有目的的整合。参见NIH混合方法研究指南。

方法的选择，应该服务于我们真正想知道的事情。手头有了一组数据，我们还要检查，它是否包含了理解这个问题所需的信息。

图1｜从研究问题出发，理解定性、定量与混合方法的关系。

这几年，生成式AI迅速进入研究工作，AGI，也就是通用人工智能，也成为频繁被讨论的话题。讨论AGI是否已经实现，要先说明采用的定义和判断标准。研究者已经能够直接感受到的，是工具越来越强，也越来越容易使用。

我常常想，今天的很多研究条件，可能是上一代研究者在求学时难以想象的。过去，为了完成一篇文献综述，有人需要跑几所学校、翻几个图书馆，才能找到想读的资料。我们今天习惯的下载，在当时可能意味着查目录、找馆藏、借阅和复印，一篇文献背后就有不少时间成本。

为了拿到一点实验数据，研究者可能要在简陋的场地中自己摸索，学习搭建实验环境，再一点点尝试。为了完成计算，又要在算力和存储都远逊于今天的计算机上，独自学习一门编程语言，想办法让程序跑起来。那些年，信息、知识和实施研究所需的条件，都可能很难获得。

今天，知识和信息大量涌现。对于检索能力和自学能力很强的人，过去由地域、学校或资源造成的许多学习壁垒正在被削弱。一根网线，就能让我们方便地接触顶尖专家和大学的课程。这种变化带来了机会，也提出了新的要求。

获取知识更方便之后，基础知识、实验设备、数据权限、实践经验和高质量反馈，仍然影响一个人能够走多远。信息越多，筛选也越重要：有些内容可靠，有些只是重复已有观点，还有些看起来很有说服力，却缺少依据。

这也给大学和教育界带来了一个核心挑战：课堂不再天然占据知识获取的中心位置。学生在课外也能找到优秀的讲解、案例和课程。课堂因此更需要帮助学生理解问题、获得反馈，并逐渐形成自己的思考方式。

以自己的博士研究为例，我是这场变化的见证者，也是较早就开始拥抱GPT等大模型的年轻研究者。这些模型一直相伴其中。得益于软件工程背景和持续自学的习惯，我能够比较快地掌握不同的工具，并把它们用到自己的研究流程中。

这些工具覆盖了一项研究从阅读、实验到写作和表达的各个环节，可以分享的内容很具体。

先从Markdown和Typora讲起，再把Typora、Pandoc、Zotero配合起来，介绍怎样组织写作、管理文献、自动化引用，以及转换文档格式。整个流程可以涉及HTML、LaTeX、Word、PDF、Markdown、RTF、Wiki标记、纯文本，以及图像的导入、输出或识别。

这几个工具各有所长：Typora提供Markdown编辑环境，Pandoc承担多种文档格式转换，Zotero管理文献与引用。生成PDF通常还需要相应的渲染工具，图像或扫描件转成可编辑文本则涉及文字识别。复杂公式、图表和版式在转换后也要检查。尽管做不到任意文件之间无损互转，这套配合已经能减少大量重复操作。参见Pandoc官方说明及Zotero引用集成说明。

寻找文献时，我们会接触不同类型的渠道。Web of Science，简称WoS，以及Scopus，提供文献索引与引文信息，也能用于查看收录信息；Google Scholar帮助检索学术内容；ResearchGate则兼有研究交流与资料发现的作用。

获取文献全文，又会用到ScienceDirect、IEEE Xplore、ACM Digital Library，以及Springer／Springer Nature相关平台。它们背后的机构也不同：IEEE、ACM是专业学会；Springer Nature、Elsevier（爱思唯尔）和Wiley是学术出版机构，ScienceDirect是Elsevier旗下的平台。分清数据库、内容平台和出版机构，查找资料时就更有方向。

JCR，即Journal Citation Reports，可以用于了解期刊指标。收录情况和期刊分区提供了背景信息，单篇文章是否可靠，仍要通过阅读来判断。研究中的论证需要回到原始文献。

找到资料后，还要知道自己读的是什么。文献综述梳理既有研究、比较证据、辨认分歧，也可以通过新的综合形成贡献；研究性文章通常报告新的研究过程与结果。分清文章的任务，才能确定阅读重点，也才能更好地组织自己的写作。

基于已有研究开展的Meta分析，则要对适合合并的定量结果进行统计综合，考虑研究之间的可比性、差异与偏倚。它有具体的方法要求，不能仅凭模型对多篇文章的总结来完成。参见Cochrane关于Meta分析的方法说明。

在此基础上，可以利用SciSpace，结合GPT、Gemini等不断发展的前沿大模型，提高检索、阅读和梳理的效率，逐步完成一篇覆盖充分、结构清楚的文献综述。检索范围是否恰当、筛选过程是否清楚、证据是否经过核对，决定了这篇综述是否足够全面。

研究还需要被清楚地表达出来。我可以分享怎样更快地准备PPT、整理演示逻辑，以及完成科研绘图，把研究框架、实验结果或复杂关系讲清楚。图表既要易读，也要对应真实的数据与推理，让读者能够看懂研究究竟做了什么。

实验和开发也是我想分享的一部分。借助Codex等编程工具，可以加快实验设计的实现、分析代码的编写与调试，缩短从一个设想到取得实验结果的过程。这些结果要来自真实的数据处理与实验执行，研究者也要核验设计、代码和结论是否合理。

结合我的软件工程背景，这部分可以展开到C、Java、Python、R，以及SAS、Stata等统计软件环境，介绍它们各自适合做什么。也可以讲数据库知识，讲数据怎样存储、组织、查询和连接。理解这些基础，有助于我们看懂整个研究流程，并判断工具的输出是否符合预期。

借助Claude，还可以把一个想法更快地做成程序或者软件原型，再逐步完善功能。到了论文写作阶段，则可以讲怎样使用LaTeX，怎样在Overleaf中协作，把论文编排成结构清楚、版式美观的文稿。能够分享的工具和平台远不止这些，它们也会继续变化。

对于过去需要自行摸索这些流程的人，或者刚进入研究领域的新生，这些方法、技能和工具都非常重要。它们能减少很多无谓的试错，使一个人更快获得独立推进工作的能力。

我也理解，为什么很多人一开始会沉浸其中，甚至有些不能自拔。掌握一种语言、跑通一个模型、学会一套排版和引用流程，都能带来成就感。于是，人很容易把“我掌握了这些”理解成“我已经学会了读博士”。这些确实是研究训练的一部分。随着工作推进，我们还要学会评价自己做出来的东西。

图2｜研究的各个环节可以提速，每一步也都需要判断。

判断一项科研工作是否优秀，影响因子、期刊分区、行业和同行评价都可以提供依据，却不能成为唯一的答案。

期刊指标受到学科、研究方向和引用习惯等因素影响，同行评价也受到具体学术共同体的影响。圈子、学术权威和商业出版机制，都值得纳入考虑。人们有时会用“学阀”这个尖锐的词批评权威垄断，追问评价权是否过度集中，以及哪些问题和声音能够被看见。

这些因素值得反思，但不能据此把所有同行评价都视为无效，也不能凭一个人的身份或所属圈子就否定其研究。对具体论文的判断，仍然需要回到问题、方法和证据。《旧金山科研评价宣言》，即DORA，也明确反对用期刊层面的指标代替对单篇研究贡献的评价。参见DORA宣言。

构思研究时，我经常会想到三个词：modify、extend、combine，也就是修改、扩展和组合。修改已有方法或解释，扩展其适用范围，或者结合不同的理论与方法，都是常见的研究路径。这是一个帮助产生想法的粗略框架，还不足以完整说明科研贡献。

沿着这些路径做出结果后，还要说明贡献在哪里。修改一个模型，是纠正了原有问题，还是仅仅换了一种实现？把方法扩展到新情境，是检验了新的边界条件，还是重复了已经清楚的结论？组合A和B，又增加了什么解释力，是否值得为此增加复杂度？

在一些以理论推进为重要目标的高水平期刊中，编辑和审稿人会格外关注理论贡献。我们是否修改了一个重要假设，解释了过去解释不了的现象，发现了某种机制，或者改变了原有理论的适用边界？这也是为什么研究者会感到，仅有一个新的结果，有时仍然不足以回应这类期刊的期待。

另一类贡献，通常被称为实证贡献。它可能提供新的事实，验证某种关系在具体环境中是否存在，或者检验一种方法在真实数据上的效果。这样的贡献很有价值，即使它没有直接推动一个理论体系发生变化。

理论与实证也会相互推动。一个反复出现的新事实，可能迫使我们修改理论；一项理论突破，也往往需要经验材料支持。不同学科与期刊的要求不同，因此，“好的期刊更重视理论”要放在具体领域中理解，不能据此把理论贡献一律排在实证贡献之上。

工业界则常常从另一组问题出发：这个发现能否带来可用的效果，能否解决真实业务中的困难，能否产生足够大的商业价值。对大量应用型研发而言，可靠的实证效果尤其重要。一个方法是否足够新，与它是否值得投入使用，有时是两回事。

在许多应用型岗位中，研究者并不直接承担最前沿、足以引领整个行业的基础突破。日常工作的很大一部分，是阅读和复现别人的论文（paper），理解方法为什么有效，找到适合的场景，再实现它的商业价值。这正是技术驱动的一条现实路径。做过业务的人通常会理解，一项成熟技术进入合适的场景，也可以产生很大的价值。

从复现到应用，还有数据适配、工程实现、业务验证和持续维护。工业界也会产生基础突破，学术界同样重视实际问题。不同工作推进知识和应用的方式不同，评价也应当与其任务相匹配。大量可靠的实证积累，还可能为后来“量变引起质变”的时刻提供条件。

图3｜构思路径需要转化为可以解释、检验和评价的贡献。

等到我们熟悉一个领域，对其中的理论、方法，以及不同理论家族的谱系如数家珍，很多研究构想，也就是我们常说的idea，确实会水到渠成。知道一种理论在回应什么，了解它的假设与边界，再观察现实中尚未被解释的现象，就更容易看见新的研究入口。

与此同时，成熟的理论体系、优秀的实验室、稳定的数据与代码，也能够形成强大的组织化生产能力。学术共同体内部会出现不同的流派、团队，甚至是人们口中的“山头”。这样的组织可以积累知识、培养研究者，也可能逐渐形成自己的选题习惯和评价偏好。

如果把数量目标推到极端，可以设想这样的情形：一个资源充足、分工成熟的团队，将理论、变量、数据集、模型和应用场景排列组合，列出数千甚至数万个候选idea，再朝着一年几十篇、几百篇SCI论文的目标推进。这些数字用于描述一种极端设想，不代表所有实验室的实际产出。

科研中的一些调侃，正好道出了这种感觉：遇事不决，加点石墨烯；把A和B combine起来；把用在C上的方法搬到A；把ABC作各种“魔改”，再比较是不是比之前更好。这些做法本身未必有问题，关键是能否说清楚为什么这样改，具体解决了什么限制。

如果组合有机制上的理由，迁移揭示了新的边界，改进能够在充分、公平的比较下成立，那么这些工作就可能有意义。相反，如果只要结果稍好一点，就可以不再解释为什么有效、在哪些条件下有效，研究就容易停留在不断制造可发表差异的层面。

这种流水线感，容易让人联想到“论文工厂”。不过，在出版伦理语境中，paper mills特指制造稿件、出售署名等不诚信活动，不能用来指称合法而高产的实验室。我在这里反思的，是以发表数量为主要目标、逐渐模板化的研究组织方式。参见COPE与STM的论文工厂研究报告。

渐进研究仍然有重要价值。大量研究空白需要有人去填，已有结论需要被检验，各种方法需要在不同条件下比较。也许某一天，长期积累会为质的变化创造机会。要让积累有意义，就应当说清楚空白为什么值得填，并使结果可靠、能够相互连接。

在AI乃至我们所期待的AGI时代，这种产出能力还可能继续放大。生成候选idea、写代码、跑实验、制作图表和起草论文都越来越容易，一个研究者可以比过去更快地完成许多工作。

我担心的是，长期投入这样的流水线，科研会不会逐渐变成带有“体力劳动”意味的重复工作，挤占了深度思考的时间？我们忙着做实验、写文章，却越来越少停下来想：这个问题为什么重要，我究竟想理解什么？

长期如此，科研最初吸引我们的那部分乐趣，可能会慢慢消失。发现问题时的好奇，解释矛盾时的兴奋，终于想通一件事的满足，都可能被下一轮实验、下一篇文章和下一次投稿替代。工具本来能够省下时间，但省下来的时间，也可能被新的产出要求全部占满。

回看那些令人着迷的idea和突破，我常会想到两种情形。一种是历史的机遇：一个领域积累了很久，技术、知识与条件终于成熟，恰好到了某个人这里，量变出现了质变。我们会半开玩笑地说，他似乎成了那个“天选之子”。

另一种，是一个人围绕某个问题沉寂思考了很多年，反复碰壁、修改理解，最终提出一种新颖的工具、方法或idea，并且把它实现出来。旁人看到的，可能只是最后那个突然出现的结果；真正支撑它的，却是长时间的阅读、尝试和打磨。

科学发现当然还有其他路径，这两种情形也常常交织在一起。历史机遇需要有人识别，长期思考依赖前人的积累与他人的合作。重要研究怎样发生，很难只用论文数量和固定周期来解释。

所以，我想说，好的科研需要“慢”的部分。我们要留出时间反复理解一个问题，让证据挑战自己的想法，也容许自己暂时没有答案。耗时长并不保证质量，但有些理解确实无法靠加快执行来获得。

工具使实验更快、资料更易得，这是好事。更理想的情况，是这些节省出来的时间，让研究者能够多读一点不同的解释，多想一想某个异常结果，多回到现实中观察。岁月的沉淀和持续的打磨，应该有机会进入我们的研究生活。

说到这里，有人可能会觉得，大家都是普通人，自己也不一定擅长深度思考；如果真正的研究最终依赖洞察力，那是不是又回到了天赋？我承认，研究需要一定的敏感性和创造力，人与人之间确实存在差异。

承认天赋的差异，也应当给训练留下空间。一个人今天还不善于提出问题，以后仍然可能进步。熟悉一个领域、辨认矛盾、比较解释、持续追问原因，都可以在工作中练习。研究训练，包括博士阶段的训练，都应当帮助我们逐渐获得独立思考的能力。

2026年9月11日，陶哲轩在个人博客发布了一份声明，最初由25位菲尔兹奖得主联署。声明承认大模型在数学解题上的进步，也肯定AI能够帮助数学研究。它批评的是过度强调用数学解题来测试AI能力的取向，提醒人们关注理解、新概念与工具的发展，以及研究者的培养。参见陶哲轩发布的声明。

这让我想到，如果数学越来越被当成一项“暴力解题”的任务，我们会怎样理解数学本身？我用“暴力”比喻过度强调搜索、计算和答案产出的倾向。AI的解题当然可以包含有价值的推理，值得继续追问的是，这个答案是否带来了能够帮助后来研究的新理解。

数学家解决一个问题，可能同时创造新的工具、证明思路，或组织概念的方式。这些思想能够被后来者理解、使用和继续发展，从而支撑学科的发展。解题的价值，也体现在它留下了什么。

这也关系到研究者的培养。假如学生还没有形成自己的理解，就习惯直接取用模型的答案，会不会减少独立尝试和深度思考的机会？长期如此，是否会影响创造新工具、新方法的能力？这仍是有待研究的问题，却值得我们在享受工具便利时认真关注。

教育界对短视频与AI使用边界的讨论，也涉及注意力、判断和思考习惯的培养。具体措施各有对象和目的。例如，澳大利亚自2025年12月起，要求受规管平台防止16岁以下用户创建或保留账户，涉及TikTok、YouTube等平台。这项限制针对账户使用，并非禁止未成年人观看一切短视频。参见澳大利亚eSafety说明。

联合国教科文组织（UNESCO）也提出过AI独立使用的年龄边界和适龄教学设计建议。这些建议与各国或学校的禁用规定有所不同。对中小学生使用AI的限制，涉及隐私、安全与教育目标等多种考虑，既不等于全面否定AI，也不能直接证明AI会破坏深度思考。参见UNESCO教育与研究中的生成式AI指南。

对我而言，实际要解决的是怎样使用工具，既提高效率，也加深理解。重复排版和机械操作可以交给工具，概念、证据和推理上的困难，则值得我们亲自参与。可以请模型解释、质疑或提供不同思路，再回到原始资料中验证，让每次使用都包含自己的判断。

对理解的重视，也应该体现在研究评价中。前面谈到期刊指标与科研贡献，现在可以进一步用几个问题，检查一项研究的结论建立在什么基础上。这些问题既适合读别人的文章，也适合检查自己的工作。

图4｜评价一项研究时，可以追问的七个问题。

这个结论能外推吗？ 它只适用于当前样本，还是能够推广到其他人群、地区或场景？如果要外推，还需要满足什么条件？有些研究追求的是对特定情境的深入理解，不必声称适用于所有地方，但需要清楚说明边界。

这个结论长期稳定吗？ 换一个时期、环境或制度条件，它还成立吗？如果关系发生变化，这种变化是否揭示了重要的边界？稳定性需要结合对象判断，不能把所有具有情境性和时间性的发现都视为没有价值。

它对当前的理论家族产生了什么影响？ 是支持了已有解释，修正了某个假设，扩展了适用范围，还是提出了一种值得比较的新解释？即使主要贡献是实证发现，也应当说清楚这个发现与既有知识有什么关系。

它可靠吗？ 整个研究方法、实验设计和分析过程是否足以支撑结论？概念有没有被恰当测量，材料和样本怎样产生，比较是否公平，替代解释有没有得到处理，过程又能否被他人理解与检查？方法听起来先进，并不等于推断自然可靠。

逻辑叙事完整吗？ 从研究问题、理论依据、方法设计，到证据与结论，各个环节是否能够连接起来？完整的叙事应当交代推断的理由，也如实呈现矛盾和不确定性。隐藏不一致的结果，反而会破坏这种完整性。

研究足够全面吗？ 围绕核心主张，证据是否充分，关键的对照、解释和限制是否被考虑？全面程度应当由问题决定，重点是那些会实质影响结论的环节，是否还有遗漏。

它解决了一个核心问题吗？ 这个问题为什么重要？即使研究没有完全解决它，是否推进了关键的一步，排除了某种解释，或者揭示了此前忽视的困难？一个研究可以诚实地留下问题，同时仍然作出有价值的贡献。

带着这些问题读文章，影响因子和分区仍然可以提供背景信息，我们也能够形成更具体的判断：研究好在哪里，还有什么没有解决，各自的理由是什么。

前几天，我在审阅（review）一篇有关信用评估的文章时，又想起了这一点。信用评估是金融领域一个重要的问题，很多研究聚焦于怎样使用数据、建立模型和改进预测。这些定量问题本身就有很多挑战。

继续追问，信用评估也涉及社会学和制度层面的问题。我们怎样定义“信用”，数据中记录了哪些人，借款人的行为发生在怎样的处境中，都会影响我们的理解。同一个问题，可以同时具有数学和社会的复杂性。对理论与现实理解得更深，眼前的问题也会呈现出更多层次。

我有时会开玩笑，说自己想做一个“被知识诅咒的人”。知识多了，很多原本理所当然的事情，就再也没有那么简单。我们开始注意概念背后的假设，追问现象的原因，也看见自己尚未理解的部分。

这个比喻想表达的，是知识带来的敏感性。当然，我也希望自己保持开放，避免被熟悉的理论束缚。知道得更多以后，仍然愿意承认不知道，愿意在新证据面前改变看法，这种状态尤其可贵。

对一个研究者而言，长期积累下来的价值，很难用掌握了多少工具、记住了多少知识，或者熟悉了多少套方法流程来衡量。博士阶段的训练也一样，最值钱的东西需要放在更长的时间中理解。方法论素养当然重要；当它真正进入一个人的思考习惯，也就体现在他怎样提出问题、分析矛盾和形成自己的判断之中。

这种进阶也会延伸到哲学，延伸到我们怎样理解这个世界。什么可以算作证据，怎样的理由足以支持一个判断，人怎样行动，技术和制度又怎样改变人的处境？这些问题未必马上形成一篇论文，却可能逐渐改变我们选择研究方向的方式。

能够精准识别一个重要问题（issue），看见具有研究前景的方向，再持续投入思考和验证，是很有价值的能力。时间会让知识、经验、失败后的修正和对现实的观察，逐渐汇入一个人的判断，形成属于他自己的价值。

我仍然愿意学习新工具，也愿意分享怎样更快地完成文献、实验、绘图、写作和软件开发。与此同时，我希望AI为我们省下来的时间，能够让我们多一些机会思考：我真正想理解的是什么，这个问题为什么值得研究，我又能够为它增加什么新的认识。

几年之后，工具也许已经换了许多轮。如果我们仍能独立提出值得研究的问题，为判断提供理由，并不断深化对这个世界的理解，我们就在持续创造属于研究者的价值。