夜雨聆风
数据分析的岗位已经开始过时，但动手做实验的人暂时可以松一口气
AI正在威胁许多工作，这一次，科学领域的工作似乎也无法幸免。那么哪些工作面临的风险最大呢？
为了寻求答案，Nature杂志采访了学术界和工业界40余位在工作中使用AI的学者。许多人表示，AI的崛起已经减少了对编写代码或进行基础数据分析的研究人员的需求；那些从事将论文从一种语言翻译成另一种语言的人，也发现自己的岗位正在消失。
相比之下，大家倾向于认为涉及需要亲自动手实验的职位更安全，或是那些负责组织和协调项目的高级科学家。
夏洛茨维尔弗吉尼亚大学经济学家Anton Korinek表示，涉及“纯粹认知任务的工作”将首先消失。
这听起来令人绝望。Korinek也说：“传统上，这反而是与科学研究关系最密切的工作。”当下科研的现实就是，有大量研究人员正在从事这种“在电脑里完成”的科研工作，即使是以湿实验为核心的生物领域，根据2017年NSF生物科学部的调查，也有近90%的生物科学PI反映有很多分析数据集的工作需求。
这部分科研人员在未来何去何从？
科研的流程正在崩溃，研究生也更加危险
除此之外，德克萨斯大学奥斯汀分校的材料工程师NanshuLu说，他们在雇佣研究生和博士后方面要更加保守了，部分原因来自于资金不确定性，但更多是：
“AI, for sure.”
但这导致了许多科学家的担忧。如果本科生、研究生和初级技术人员无法再获得学术实验室的工作，他们就难以受到提高科研能力的训练。然而，现在的AI尚无法执行科学家所做的更高级别的任务：就像AlphaFold可以预测蛋白质的结构，但蛋白质为什么会这样折叠——这个问题，是人提出来的。并且，我们也不能确定，AI在未来能不能做到类似的事情。但我们现在正试图牺牲培养能够完成更高级别任务的科学家的机会，将所有的一切都寄托在AI身上。
“暂时用一美元获得更多的研究成果，”正如计算生物学者Claus Wilke所说的，“却以科研流程的崩溃和长期衰退为代价。”
焦虑是自由引起的眩晕
这并非人类第一次面对来自科技革命的恐慌。蒸汽机出现的时候，机器替代的是肌肉；计算机出现的时候，机器替代的是存储。曾经的每一次，人类都找到了退路——从体力逃到记忆力，从记忆力逃到创造力。
当AI出现，机器决定替代人类的创造力时，人类又试图逃回到最初的肉体上去。但这次似乎与曾经任何一次都不太一样。
在数学所的电梯里，听到过这样的对话：
“现在大家都挺绝望的。”
“为什么？”
“我们觉得自己可能是最后一代数学家了。”
显然，哪怕AI还不能像取代编程那样取代数学，数学家们也意识到了：五年之前，人们可能还在议论AI难以取代需要创造力的工作，但是现在AI可以写作、绘画甚至做科研，人们再也不说这样的话了。于是，人们又开始说，AI可以替代数据分析和建模，但暂时还不能取代那些需要亲自动手实验的科学家。
可现实是，2023年Co-scientist用GPT-4驱动系统，自主设计、规划并执行复杂化学实验；2026年Nature在Self-driving：Laboratories的专题说：实验室机器人过去只是自动化常规工作，现在AI和大语言模型开始让机器人先构思策略，再自主执行；这些系统仍在早期，但发展很快。
这似乎和数年之前我们说“创造力还安全”，听起来很相似。
历史反复说明，我们今天认为不可替代的东西，明天就可能变成机器的优势。或者说，证明一项工作做到极致的嘉奖就是，你所从事的工作不再必要了。
如果做一份工作的原因只是“机器暂时还不会做”，那么它迟早会变得危险。因为人类技术进步的方向，就是不断拆掉这些“暂时不会”。在这个意义上，焦虑地寻找“最后的比较优势”，可能只是把自己一次次推向新的问题：今天是创造力，明天是湿实验，后天又会是什么？人类并没有那么多自由的退路。
更值得的问题也许是：如果有一天，AI已经能够告诉人类答案，而人类也已经知道那个答案，人类愿意亲自走一遍那条通向答案的道路吗？
参考文献
[1]Chen, E. (2026). AI is threatening science jobs. Which ones are most at risk? Nature, 651, 19–20.
[2]Barone, L., Williams, J., &Micklos, D. (2017). Unmet needs for analyzing biological big data: A survey of 704 NSF principal investigators. PLOS Computational Biology, 13(10), e1005755.
[3]Boiko, D. A.,MacKnight, R., Kline, B., & Gomes, G. (2023). Autonomous chemical research with large language models. Nature, 624, 570–578.
[4]Nature Collection. (2026). ‘Self-driving’ laboratories. Nature.
供稿|方思清
审核|李赫扬徐明训
指导|陈凯华
