AI 成为科研常用工具,在读或备考博士,该怎么适应新的科研逻辑

一场博士生论坛的交流现场，就AI给科研带来了怎样的变化，一目了然。许多人都认为AI会降低科研门槛，使研究更容易进行，但是参会博士生所传达出的一个非常重要的观点是，AI并没有降低科研的难度，只是改变了科研的运行规则，对科研人员的综合素质提出了更高的要求。

三月中旬在苏州举行的博士生论坛上汇集了海内外众多高校的科研工作者，西交利物浦大学、东南大学、苏州大学、上海纽约大学、伯明翰大学等高校共有五百多名博士生参加。论坛内容量大，有学术海报300多份，英文专题报告300余场，涉及生物、计算机、商学、教育学、电气工程等16个学科领域，给不同学科的研究者提供了一个跨学科交流的平台。

以往科研大多深耕单一学科内部，追求纵向深度，但是从本次论坛交流趋势可以发现，跨学科融合已经成了明显的发展趋势。AI在整场交流中多次出现，它早已不再是计算机学科独有研究的对象，许多原来与技术距离较大的学科，也把AI作为常态化的科研工具使用起来。

不同的学科对于 AI 工具的应用场景存在差异。建筑相关研究中，生成式AI可以快速搭建简单的测试模型，以前要花费大量的时间去验证的设计构想，现在可以更快地落地试错，不再停留在理论推演的阶段。生物医药方向的基因测序、药物筛选等研究工作需要大量的数据，传统的研究模式耗时长、成本高，用AI之后，数据处理、模型预测环节的效率得到了明显的提高。

随之而来的问题也很多，比如 AI 普及之后，科研是否变得容易了呢？结合论坛上大多数博士生的观点，答案是肯定的。AI带来的主要变化就是加快科研的推进速度，但是也使得研究者要面对的研究问题变得越来越复杂。

工具的效能越大，对使用者的能力要求就越高。研究者需要了解本专业各种研究方法、理论体系，还要会使用AI工具，具有跨学科理解能力及问题解决合作能力。未来的博士不再只是单一的细分方向专家，而应该能够快速地切换思考的角度，吸收陌生领域的知识，打通各个学科之间的壁垒。

对于正在备考博士或者已经读博士生的同学来说，适应 AI 时代科研的重点不是学会几款工具的操作，而是完成科研思维的转变，即明白 AI 是辅助处理、计算、仿真的工具，而研究的核心判断、逻辑推导、方案设计仍然要依靠研究者自身。

本文为博士论坛现场观察分享，不同的学科场景中AI的应用效果是不同的，依靠AI产生的各种科研内容，还需要研究者独立思辨、认真核对，不能直接引用工具的输出结果。

 ↓↓↓点击“博导建联”快速匹配合适导师