當AI成為“科研搭子” 誰來守住學術訓練的底線

YY877862440

原標題：當AI成為“科研搭子” 誰來守住學術訓練的底線
從幫助檢索文獻、梳理研究思路、生成代碼、潤色論文，再到完成復雜計算、文本寫作等任務，近兩年來，人工智能技術正以前所未有的速度進入高校科研場景。
6月30日，美國人工智能公司Anthropic發布面向科研場景的AI平台Claude SCIence。按照該公司介紹，這一平台不僅是聊天式助手，更是一個可以整合科研常用工具、調用計算資源、生成可審計成果的AI工作台。AI正從通用問答工具走向更專業的科研流程。
依托北京大學中國博士教育研究中心組織實施的全國博士畢業生調查數據，北京科技大學文法學院教師蔡芬展開分析，其研究成果《AI輔助博士生科研現狀及其影響的學科差異——基於2024年全國博士畢業生調查的分析》顯示：對14371份全國學術學位博士生問卷數據進行分析后發現，理工農醫尤其是計算機相關專業博士生的AI輔助科研使用率較高，而人文社科尤其是人文學科博士生的使用率較低﹔人文社科博士生更多將AI用於前端科研工作，理工農醫博士生更多將AI用於后端科研工作。
畢業季，中青報·中青網記者在社交媒體平台上發現，“如何用AI寫文獻綜述”“AI輔助論文降重”“怎樣降低論文AI率”等話題頻繁出現。
在蔡芬看來，AI已深度嵌入大學生科研訓練，但在不同培養階段、不同學科背景下，學生對AI的訴求並不相同。
當AI變成越來越多學生日常科研生活中的“標配”，它究竟是在增強學生的科研能力，還是“跳過過程直接到答案”？
AI是手段而非目的
來自四川大學的謝莉(化名)今年即將直博本校的網絡空間安全專業。她告訴中青報·中青網記者，AI已經參與到她的科研流程中的多個環節。
“我會先自己閱讀文獻，找到能夠繼續深入的問題方向，再問AI之前是否有人做過類似研究、自己的想法是否具備可行性、是否有繼續推進的空間。”謝莉表示，如果自己的研究角度有可行性，便會讓AI給出相應學習路線，再進入具體研究階段。
謝莉覺得，通過AI幫自己“入門”，許多科研想法能快速迭代，“以前想快速判斷一個想法是否可行並不容易，文獻調研、路線評估和代碼編寫都會耗費大量時間，現在這些環節都被明顯壓縮”。
與此同時，對於理工科學生而言，代碼生成是AI最常見、也最能直接提升效率的功能之一。謝莉通常會讓AI生成代碼，並通過測試用例檢查運行結果。她認為，AI的價值不在於直接提升一個人的學習或編程能力，而在於讓科研的節奏更快，使想法能夠迅速實現或被否定。
“不過AI終究是外界工具，我覺得更重要的是認真修煉自己的基礎能力，而非純粹依賴AI。”謝莉說。
蔡芬在研究和日常觀察中注意到，碩士生與博士生在使用AI輔助科研工作時，呈現出比較明顯的階段性差異。碩士生使用AI進行輔助的主要訴求更偏向於“科研入門、任務減負與概念理解”，而博士生則更關注“科研提效、成果發表與研究邊界拓展”。
在使用AI輔助科研上，浙江財經大學法學院民商法專業研一學生孫宇(化名)的感受與理工科學生不完全相同。導師建議他在研究中合理使用AI，認為AI可以幫助查找資料、修改措辭，也可以作為一種自我審視工具。但孫宇坦言，自己並不太清楚怎樣才能讓AI更有效地幫助自己開展科研工作。
“其實不能放任自己在完全沒有知識基礎的階段就依賴AI，而是要先建構自己的知識體系。”孫宇說，對AI給出的答案必須甄別，尤其是在法學研究中，資料真實性、寫作中的邏輯關系、論証力度都不能完全交給AI。
孫宇曾經也為了節省時間使用AI，但用了幾次發現，AI在資料查找和語言建構上可能出現偏差，有時還需要自己花費更多時間核實。“對法學研究而言，許多問題本身沒有絕對正誤，法律解釋、法理分析和學術觀點的價值，往往需要在具體語境中論証。AI給出的內容看起來完整、流暢，卻未必真正可靠。”
“研究生最重要的仍是自主學習能力，AI只是手段而非目的。”孫宇覺得，充足的知識儲備在任何時候都是應對問題的最有力籌碼。
如何破解“AI率”引發的規則焦慮
隨著AI越來越多地參與到學生的科研和論文寫作中，高校也在不斷打上規則“補丁”。
早在2024年年末，復旦大學便發布《復旦大學關於在本科畢業論文(設計)中使用AI工具的規定(試行)》，旨在明確和規范在本科畢業論文中AI工具的使用范圍與原則。
2025年11月，清華大學發布《清華大學人工智能教育應用指導原則》(以下簡稱《指導原則》)，提出“主體責任、合規誠信、數據安全、審慎思辨、公平包容”等原則，要求師生對人工智能使用情況及生成內容依規披露聲明，並嚴禁將人工智能生成的文本、代碼等內容直接復制或簡單轉述后作為學業成果提交。
針對研究生群體，《指導原則》中強調，禁止用人工智能代替本應由本人進行的學術訓練，嚴禁使用人工智能實施代寫、剽竊、偽造等行為。研究生指導教師需在此過程中提供規范性指導並進行全過程監督，確保學術訓練的完整性和學位論文及實踐成果的原創性。
近兩年，為了防止學生利用AI代寫畢業論文，全國多所高校都發布相關規定，根據專業不同，為畢業論文設置20%-40%不等的“AI率”紅線。
北京科技大學社會工作專業畢業生韓芳(化名)嘗試過“用魔法打敗魔法”，即用AI降AI率。然而她發現，AI潤色修改后的句子有時會變得很“滑稽”，出現語義不通等問題，反而導致“AI味”很重。
學生用AI輔助科研協作，高校用AI檢測工具識別AI生成內容，學生繼續用AI降AI率……蔡芬認為，圍繞AI檢測結果反復生成、改寫和規避，表面上是在處理技術指標，實質上反映了學生在寫作、發表和規則不確定性面前的焦慮。“一些學生並非完全不知道風險，而是不清楚學校到底允許什麼、禁止什麼，於是通過檢測工具進行策略性應對。”
在蔡芬看來，學校不能把AI治理簡單交給一個檢測分數，而應把重點放在規則建設和過程管理上：明確哪些使用行為被允許且需要聲明，哪些行為屬於違規﹔引導學生保留寫作過程記錄和AI使用記錄﹔結合導師判斷、學生說明、參考文獻核驗和答辯追問進行綜合評價。
當工具越用越順手，訓練的價值何在
“就教育或學術訓練的目的而言，研究生寫作的價值不是形成一篇文本，更重要的是在寫作過程中訓練問題意識、文獻閱讀、邏輯推理和學術表達能力。”蔡芬指出，不能簡單把研究生使用AI寫作等同於學術不端，關鍵要看AI是在幫助學生減輕機械性負擔，還是在替學生完成核心學術判斷。
同濟大學生命科學與技術學院直博六年級學生王楠(化名)對AI進入實驗室的變化感受更為直觀。他注意到，隨著大語言模型能力提升，低年級學生已經可以借助AI完成不少原本復雜的代碼任務。“過去遇到一個問題，研究生往往要查網頁、讀文獻、翻書、自己寫代碼調試，可能花費幾天時間才能解決。如今，這些簡單任務可以直接讓AI生成，甚至交給Agent(智能體)執行。”
但王楠發現了更隱蔽的問題。“現在AI生成的代碼已經很少出現跑不通的情況了。”他告訴中青報·中青網記者，“這反而讓不少初學者放鬆了警惕，低年級學生拿到AI生成的代碼后，往往只要運行不報錯，就認為這段代碼可以使用，至於代碼為什麼這樣寫，並不會進一步深究。”
王楠注意到，對於一些小眾、具體、需要行業經驗的任務，AI生成的代碼可能看起來合理，也能跑通，卻在參數設置、分析流程或方法選擇上存在細微問題。初學者如果不理解代碼背后的邏輯，很難發現這些“坑”。
王楠以生物信息學數據分析為例說明，不同類型的數據集可能對應不同參數設置。如果學生習慣於直接使用AI生成的代碼，卻不知道參數需要與數據類型匹配，就可能得到錯誤結果，甚至這些結果可能看起來也“像真的”，從而導致與正確結論“擦肩而過”。
拋開技術層面的隱患，王楠表示，如果不去深究代碼裡的每個步驟，就無法真正理解這些生物學問題是如何被解決的，也無法把AI給出的信息轉化為自己的知識。
這也讓王楠意識到，許多研究生的學習模式正在發生變化：從“學習如何做科研”，逐漸轉變為“學習如何利用AI做科研”。AI時代的科研訓練，不再只是掌握工具，而是如何在工具介入后仍然保持理解能力和判斷能力。
蔡芬認為，如果能夠規范使用AI，學生可以快速提升資料搜集和信息整合能力、語言表達和學術寫作能力、跨學科知識學習能力以及研究方案設計能力等。“不過，AI難以替代真正的原創性問題提出、理論敏感性、方法適配判斷、田野經驗、數據解釋能力和學術價值判斷。”她指出，科研能力的核心並不只是“找到信息”，而是判斷什麼問題重要、什麼証據可靠、什麼解釋更有學術貢獻。“這些能力不可能通過AI工具一蹴而就，需要通過長期閱讀、寫作、同行討論和導師指導等過程逐漸形成。”

                                                
                               
                (責編：楊虞波羅、李楠樺)
                                關注公眾號：人民網財經