ARTICLE · 1255688
再再再谈学术AI工具
再再再谈学术AI工具我今天想再谈谈对学术AI工具的看法。 有朋友问我，你最初写的几篇内容还在嫌弃传统出版商动作太慢跟不上AI，到了六七月份，你又苛求学术AI左一个合规备案、右一个高价溢价，目前看连给学生用学术AI都要踩刹车了，也有点太那个了。呵呵，诚实面对技术发展每日三省吾身，正是我每天都在做的，势以时移时过境迁与时俱进有何不可？在《我考虑的图书馆AI转型》里我说过，我对AI赋能图书馆的看法就是一个“贝（bu）叶（que）斯（ding）”过程，主要就是因为从来没有哪个领域的变化像AI这样如此飞快。 这两天读到一篇今年9月即将在伦敦ACM HT '26上发表的新论文，题目叫《Creative Reading: Scaffolding Reading for Transformation》，我今天看已经第二版了（https://arxiv.org/pdf/2606.04308v2），作者来自伯克利、UIUC 和康奈尔等几所高校。基本上都是做人机交互（HCI）的学者，论文主要是从阅读工具对阅读结果以及人的影响的角度出发，用一个比较自洽的理论框架做了研究。 翻译的摘要： 论文的关键图表： 
仔细阅读了这篇论文，其中提到的一些问题，让我想起了目前绝大多数学术AI的工作模式，就是靠技术实现信息的快速传递，基本跳过了人类阅读和思考这个过程。今天看到某大学图书馆最新发布的xx学术工具的试用介绍“深度融合AI技术，打通选题、检索、阅读、问答、写作全链路”，正完全是这个套路。 我前面专门写过几篇关于学术AI工具的东西，半年多前刚看到Sci-Hub bot的时候我写过一句话：“从来读者查阅文献的目的就不是获取文献，而是获取知识……绝大多数边缘知识没必要再去全文获取，只需要针对特定科学问题获得精准答案、逻辑梳理和可靠的参考文献即可。” 这话对也不对。 HT '26的这篇论文给这种阅读模式起了一个非常贴切的名字，叫“Reading to discard”（阅后即弃，或者说阅后即焚）。作者指出，现在市面上绝大多数科研阅读增强系统，都是用AI或Agent以最快的速度把学术文献里面那点关键信息榨取出来，然后把结论发给用户把原文放在一边。 对于一个成熟的学者来说，这是对的，他的大脑里已经有一张清晰的学科地图了。他在写本子做实验时，面对浩如烟海的边缘文献，确实需要“阅后即焚”，他需要的就是信息的传递，是用AI帮他做高效率的过滤，确认某个参数、核对某个引文。 但是同一套阅后即焚的操作，对一个刚进大学的本科生，或者刚接触科研的研究生来说，那就不对了吧。 我曾经写过，大学教育本质上是知识的过程性学习，绝对不能演变成AI的答案式服务。 这篇论文里引用了一个哲学区分，把活动分为结果导向型活动（consequential activity）与辩证性活动（dialectical activity）。有些事情，比如走个财务手续、查个高铁时刻表，看的是结果，过程越短越好，让Agent全包了最省心。但有些事情，比如养育孩子、艺术创作、谈恋爱，还有大学里的学习与科学研究，它们的全部价值只能从你亲自参与的过程内部生长出来。 对于还在塑造学术能力阶段的学生来说，阅读文献的目的不只是创造出一份论文（Creates a reading），更重要的是通过阅读过程中的摸爬滚打，把自己塑造成一个真正的学者（Creates the reader）。直接给答案的AI确实是帮学生省了时间，但实际上是剥夺了他们从初学者蜕变为研究者的过程。 上篇文章里我用过教育心理学里的一个词，叫“productive struggle”（有益的挣扎）。困惑、尝试、出错、再修正，人脑子里新的认知结构，恰恰是在这种痛苦的挣扎中搭建起来的。伯克利的这篇论文里也用了一个几乎一模一样的词，叫 “productive friction”（有益的摩擦）。上周在南京大学开的2026两岸图书馆学术论坛上，中国台湾阳明交通大学的郭文华馆长也提到了麻省理工用的一个词，叫学习中的“认知摩擦”。学界公认知识学习不是个舒适区的行为，要有阻力才有动力才有改变才有获得。 现在的商业学术AI工具在干什么呢？它们在努力地消除一切摩擦。 一键生成文献综述、自动提炼研究空白、直接生成论文初稿、检查排版格式和参考文献、按投稿出版社风格修改审稿，也许顺带降重降AI率。友商们上门演示的时候，最爱展示的就是“以前学生要看一个礼拜的文献，现在三秒钟生成一篇逻辑严密的综述报告。” 论文里借用日本学者中小路久美代的理论，把工具分成了三类：跑鞋（Running shoes）、哑铃（Dumbbells）和滑雪板（Skis）。跑鞋是帮你减少无意义的阻力，让你在原本就会的跑步动作上跑得更顺畅。哑铃则是故意给你制造重量，通过对抗让自己的肌肉纤维撕裂、重组、变强。滑雪板则是带你进入一种全新的运动空间，让你在文献与思想的雪道上建立跨越长周期的知识连接。而现在市面上大部分商业学术AI，既不是哑铃，甚至也不是跑鞋，更不是滑雪板，而是直接给学生塞了一辆新势力智驾电车（论文里叫 Substituting Reading，替代式阅读）。 大学四年没有学会如何发现科学问题，没有建立起批判性思维，只是学会了怎么给AI写提示词，符合我们的人才培养目标吗？也许有人说未来社会全是AI，会用AI就行了，呵呵，10月23日国务院办公厅印发了《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》，其中指出“减缓人工智能应用就业替代影响”。所以全是AI的未来未必到来呢。 所以图书馆是不是不应该这么急着向普通学生提供这种“总结性、答案式、替代性”的学术AI工具？我们需要的是这篇论文里说的支架（Scaffolding），是像苏格拉底那样不断追问学生、逼着学生去对比不同文献分歧、训练他们发现知识能力的哑铃（Dumbbells）。 我想给包括 Elsevier、WOS、CNKI、超星在内的所有学术AI厂商提一个非常具体的产品设计建议（也许在做了）：未来的高校学术AI平台，应该针对不同身份的读者（导师学者和在读学生）提供不同的AI辅助模式。这两类人在文章开头那张“阅读设计空间象限图”里，处于完全不同的位置。 面向学者与导师提供“科研加速模式”。老师们时间碎片化、科研任务重，且已经具备了强大的学术判断力和免疫力。对他们，系统可以开放深度总结、文献聚类、甚至API、Skills、MCP接口，允许他们以“阅后即焚”的高效方式快速扫描文献边界，把精力集中在最核心的1%精读与原创假设上。 面向本科生与低年级研究生则提供“学术训练模式”。当系统识别到登录账号是学生（或者在教学课程场景下）时，应该默认关闭或限制一键生成全文总结、综述代写这类功能，取而代之的是引导式、启发式的阅读工具。比如当学生选中三篇文献请求生成综述时，AI不直接给现成段落，而是弹出三篇论文在研究方法、样本数据和结论上的结构化对比矩阵（就像论文里提到的Abstract Explorer那样），然后反问学生问题在哪里对比在哪里，根据学生的判断进行引导式的讨论。 这在技术上一点都不难，就是System Prompt的角色设定、Agent工作流的节点控制以及机构统一认证的对接配置而已。但如果这样做了，数据库商就不再只是跟图书馆算计Token和订阅费的商业伙伴，而是懂得教育规律真正赋能教育的合作伙伴了。 HT '26 这篇论文在结尾处引用了教育学者Angela S. Raines的一段话：如果教育者（和我们的系统）教导学生，阅读的目标仅仅是从文本中提取一个现成的、标准的公共答案，那么学生就会彻底丧失对文本的审美与思辨体验，这不仅会扼杀批判性思维，更会让他们失去在未来社会中独立做主的能力。 “检索越高效，批判性思维与人文之魂越是不可让渡的育人内核。” 欢迎关注“后图书馆现场” 一个老馆员的碎碎念
1
阅读辅助系统正日益帮助读者大规模地处理文本。尽管这些工具缓解了时间紧迫和认知负荷等现实制约，但它们往往隐含地将阅读界定为一种“信息传递”过程——即“读完即弃（reading to discard）”式的阅读——并将解读工作与认知努力转交给了机器。然而，这种“转交”改变了阅读的结果。以学术阅读为例，判断研究文本的内涵及其重要性，正是学术生产工作的核心。我们提出“创造性阅读”作为一种替代性目标：这种阅读辅助旨在支持读者在建构文本解读的同时，也重塑读者自身的身份。。。。。。强调阅读过程本身的价值，既能保留对文本的多元解读，又能促使读者在长期的阅读实践中实现自我蜕变。
