随笔|当 AI 知道得比导师还多,研究生还该向导师学什么?

文献检索、写代码、整理数据、修饰文字——过去导师要手把手教的科研活儿，现在学生借助 AI 就能做，甚至导师自己用 AI 做还更快。那导师还有必要花大量时间带学生吗？研究生又该向导师学什么？结合我读硕、读博以及带学生的经历，谈谈我的看法。（主要讨论我熟悉的经济学及相关人文社科领域。）

01 / QUESTION / 过去，我们连该和导师聊什么都不知道

读博时，常有师弟师妹在开题前来问我：“师兄，我真不知道写什么，没有好的题目。”我说，多去找导师聊聊。他们说：“我连研究什么都拿不准，找导师聊什么？”这是很真实的困境。过去找选题，主要靠自己啃文献：翻期刊、翻硕博论文，从别人做过的研究里找还没被做过的问题。好不容易看中一个方向，一查，有人做过了；换个角度，又有人做过了。文献越看越多，反而越来越不知道自己还能做什么。这里还有一个常见误区：把“别人没做过”当成创新的主要标准。其实同一个问题，可能因为新的理论解释、数据条件、识别策略或现实变化而产生新的价值。只是刚入门的学生缺乏对领域的整体认识，很难判断一个问题值不值得做。

AI 改变了其中一部分困难。哪怕只有一个模糊的想法，也可以让 AI 帮你梳理经典理论、研究脉络和主要争议，找相关文献，比较不同解释，提出几个初步方向。当然，它给的选题未必有价值，引用的文献和“创新点”必须逐一核实。但它确实降低了从零开始的门槛。过去不知道研究什么，所以不知道找导师聊什么；现在，至少可以先带着几个初步想法去敲门。AI 未必能替我们找到好问题，但能帮我们更快进入问题。

02 / PROCESS / AI 能提供更多知识，导师还能提供什么？

读硕士时我注意到，有些博士师兄开题前，会先准备两三个相对成熟的选题和基本思路，再拿去请导师判断。导师未必读过某篇最新论文，也未必会某个新方法，但多年积累的经验，常常让他很快看出关键问题：

• 这个问题有没有研究价值？

• 已有研究是不是已经回答了？

• 机制看起来合理，现实中真的存在吗？

• 数据和研究设计撑得起想要的结论吗？

政策研究尤其如此。同一份政策文件，学生看到的是新提出的概念；长期跟踪这个领域的老师，看到的可能是措辞为什么变了、目标为什么调了、背后反映了什么现实矛盾。这种判断来自多年的研究实践、政策观察、实地调研和学术交流，不是读几篇文献就能有的。这也是 AI 和导师的一个重要区别：知识覆盖的广度，不等于具体情境下判断的可靠程度。让 AI 评估一个政策研究选题，它可以结合经典理论给出几个听起来合理的机制，告诉你很有创新性。但如果它没检索到最新文献、不了解政策的具体背景，或者漏掉了别人换个题目做过的类似研究，就很容易高估这个选题。导师也会误判。年纪大、职称高也不等于判断力强，有些年轻老师反而更熟悉前沿文献和新方法。我更在意的是：一位导师能不能提供真正的学术增量，并且讲清楚他的判断依据。

真正值得学的，不是导师说“这个能做”“那个不能做”，而是他为什么这么判断。好导师值得传递的，不只是知识，更是形成学术判断的方法。不过，导师能够迅速判断一个选题，并不意味着学生就能学会这种判断。如果导师只是告诉你“这个能做，那个不能做”，你得到的仍然只是一个答案。真正值得追问的是：为什么不能做？是研究价值不足，理论解释不成立，还是已有研究已经解决了类似问题？理解这些判断背后的依据，再通过文献、数据和自己的研究实践反复验证，才有可能逐渐形成独立的学术判断能力。

03 / CHANGE / AI 也可能让师生交流更有价值

也得承认一个事实：既然 AI 能完成不少基础性的科研工作，导师减少这部分手把手指导，本身没什么问题。文献检索、基础代码、数据整理、文字修改，学生完全可以先借助 AI 自己尝试。但减少基础指导，不等于减少学术交流，更不能成为不培养学生的理由。我反而觉得，AI 可能催生一种新的师生交流方式。

过去，学生找导师，常常是想让老师告诉自己下一步做什么。现在，学生可以先用 AI 读相关研究、比较理论解释、分析数据和方法，形成初步方案，再带着最关键的问题去请教：几个方向里哪个更有价值？某个理论解释为什么不够充分？这项政策变化到底意味着什么？我的研究设计有没有自己没意识到的漏洞？交流的重心，从传授知识和操作方法，转向更深层的学术判断。而且未必是单向的。学生借助 AI 接触到导师还没关注的新论文、新方法和跨学科理论，提出新的可能；导师结合经验质疑、判断；双方再一起验证。学生学导师的问题意识和研究品位，导师也可能从学生的新发现中获得启发。这不是说师生的研究能力已经拉平，而是双方能在更充分的准备下讨论问题。

当然，这种变化不会自动发生。学生得有核实 AI 输出的能力，导师也得愿意交流、真能给出有价值的意见。如果一位导师长期让学生干与学术成长无关的杂活，却很少讨论真正的研究问题，AI 只会让学生更怀疑这段指导关系的意义。但如果你身边有一位有研究品位、有长期积累、也愿意指导的导师，AI 时代你反而应该更主动地去找他。

04 / JUDGMENT / 要学的，是如何形成自己的判断

回到开头的问题：AI 知道得越来越多，研究生还该向导师学什么？不是继续向导师要那些 AI 已经能给的知识，而是学：如何从海量信息里发现重要问题，如何判断一个解释是否成立，如何理解研究结论和现实的关系，如何慢慢形成自己的研究品位。这些能力不只来自导师，也可以在独立研究、同行反馈和与 AI 的反复讨论中培养。但高质量的师生交流，仍然是最重要的路径之一。导师的经验，不该是必须服从的权威，而是可以理解、质疑和检验的判断资源。AI 的回答，也不该被直接当成结论，而是拓展思路、寻找证据、检验假设的工具。

AI 不会自动筛选出真正热爱科研的学生，有了 AI 也不等于就能独立完成高质量的学术训练。但它确实给了我们更多自主探索的空间。过去，我们知道得太少，连该问导师什么都不知道。现在，我们可以先用 AI 做足准备，再和真正有判断力的人讨论更重要的问题。所以，AI 时代真正该重新思考的，不是导师会不会被替代，而是师生如何重新分配科研训练的时间和精力：让 AI 多承担基础的知识获取和探索，把有限的交流时间留给问题选择、理论思考、研究设计和学术判断。研究生培养的目标，从来不只是完成一篇论文，而是让一个人逐渐能够独立提出问题、判断证据，并为自己的结论负责。

AI 让获取知识变得容易，但形成判断，仍然要靠持续的学习、实践与对话。