AI正在切断下一代科学家的成长路径
如今，这样的年轻人正在逐渐消失。
1986年的Hinton是个年轻的认知科学研究者，研究方向少有人看好。但正是那些看似基础的写代码、跑实验、调参数的工作，让他积累了对问题的深层直觉，支撑他在神经网络寒冬中坚持三十年。而现在，这些曾经属于研究生、博士后和初级研究者的日常工作，正被AI快速替代。
今年2月，《Nature》采访了48位不同学科的学者，问题直指AI对科学岗位的威胁。答案惊人一致：AI正在替代纯认知型任务，比如写代码、跑模型、做数据分析，这些恰恰是科学家职业生涯的起点。MIT机械工程教授赵宣赫直言这是正在发生的事，斯坦福计算生物学家Brian Hie甚至表示，实验室专门雇来写代码的研究程序员岗位已过时。威斯康星大学计算生物学家Hannah Wayment-Steele也说，若五年前建实验室会招研究程序员，现在则没必要了。
这种现象并非科学界独有。Revelio Labs数据显示，2023年以来美国入门级岗位招聘发布量下降35%；Snowflake与Omdia的报告指出，63%因AI导致的岗位削减发生在入门级别；斯坦福数字经济实验室研究表明，AI高暴露职业中22至25岁年轻人的就业率自2022年以来下降近20%。在岗者失业率未显著上升，但新人入职率在下降。
对科研领域而言，入门级岗位的消失意味着学科失去了培养下一代科学家的通道。数据分析、写代码、跑模型这些基础工作，是年轻科学家进入学术圈的门票。你不会一开始就成为大牛，得先当研究生，帮导师跑数据、写代码、调参数，在这个过程中学会提问、设计实验、从失败中找方向——这些正是AI做不了的事，但你需要先做AI能做的事，才能学会AI做不了的事。
UT Austin计算生物学家Claus Wilke警告：“短期内每一块钱预算能有更多产出，但代价是人才管道崩塌和长期衰退。”省了一个研究生的工资，可能就毁了一个未来的Hinton。
《Nature》报道中提到，美国翻译协会科技翻译分会成员2.5年内下降26%，曾翻译临床试验文件的Jaime Russell转行做医疗口译，因为口译需要的实时判断和人际感知AI做不到，但她的同行有的已在送外卖。这展示了AI入局后的两种走向：迁移到AI够不着的岗位，或彻底出局。
不过，弗吉尼亚大学经济学家Jerry Qian对AlphaFold2的研究带来希望：AlphaFold2能以接近实验精度预测蛋白质结构，成本仅为传统方法零头。在其能高置信度预测的蛋白质上，人类实验研究产出下降35%，但科学家转向了它预测不好的蛋白质，专攻AI搞不定的难题——人类找到了相对优势。但关键是“在场内的”科学家有知识、经验和判断力，知道往哪迁。
那下一代还没进场的人呢？1986年的Hinton做的正是如今被AI替代的事，如果他生在今天，可能连进实验室的机会都没有，毕竟他的研究方向边缘且不确定，拿资源和预算给他实属押宝。从经济角度看，AI两小时能完成研究生两周的数据分析，为什么还要招人？经费有限，产出优先，这是局部理性的决策。但当所有局部理性叠加，系统性后果就浮现了：学科人才入口收窄，集体行动困境导致短期内论文产量上升、长期科学共同体萎缩。
AI替代的不是Hinton，而是Hinton成为Hinton之前的那个人。Terence Tao说“适应就能存活”，但他指的是在场内的人，问题在于未来的科学家还有没有机会进场适应。
科学进步有时靠灵光一现，靠某人看着异常数据突然想到“如果这不是异常呢”。这种直觉不是课本教的，是在无数次失败实验和数据清洗中磨练出来的。2016年李世石对战AlphaGo的第78手“神之一手”，正是人类直觉超越AI的体现。Hinton能坚持三十年，也源于早期基础工作积累的深层直觉，这些无法被prompt或fine-tune出来。
2016年李世石对弈AlphaGo，第78手棋超出了AI的判断范围，被称为神之一手，记者捕捉到李世石下场后的笑容. 图片来自：news1
48位科学家的答案真正含义是：我们正在切断培养“AI替代不了的人”的唯一路径。人才管道一旦崩塌，不是明年的问题，是十年后的问题。到那时，AI也许能写出所有代码，但谁来告诉它该写什么？
本文来自微信公众号“APPSO”，作者：发现明日产品的APPSO，36氪经授权发布。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com