前几天，我突然有了一个新的研究想法。思路清晰明确，但要将其付诸实践则需要付出实实在在的努力——整合文献资料、编写代码、训练模型、进行统计分析。在几年前，接下来的步骤是轻而易举的事情。我会招募一名研究生加入自己的实验室，让他负责这个项目，并在过程中给予指导。但这一次，一种不安的想法悄然涌上心头：是不是应该直接把任务交给人工智能，而不用冒险去培养一个学生呢？
我想起了自己十多年前刚进入研究生院时所具备的那些技能，以及为了达到如今的成就获得了多少指导和帮助。那时，当我发邮件向教授们表达自己对计算机科学博士项目的兴趣时，毫无研究经验可言。我只是做了最基本的功课，查阅了他们所从事的研究工作。坐在他们的办公室里，聆听他们谈论机器人技术、算法和自然语言处理时，我对这些概念的实际含义几乎一无所知。
一位教授看穿了我的无知，同意接收我。我对此机会心怀感激，但最初的几个月却面临残酷的现实考验。我夜以继日地工作——阅读、总结、构思想法，并努力去理解这一切。然而，每次当我向导师展示自己的成果时，她都会审视我所提交的那些不知所云的东西，给我反馈并让我从头再来。
我曾经想过放弃，觉得自己总是让她失望，但她并没有放弃我。也许她相信我的潜力，也许是看到我已经尽了最大努力，又或许她只是相信培养学者的过程本身。经过大约一年的极度耐心付出后，我终于创作出可以进一步发展的作品。从那时起，我从一个毫无头绪的新手逐渐变成了一个资历较浅的同事。
多年以后，当我成为一名教授时，我看着学生就像看当年的自己，努力寻求进步。我的日程表上排满了各种会议，主要任务就是帮助他们厘清困惑。最终，这种投入得到了回报，我体验到了看着他们成长为有能力的初级合作者时的满足感。
如今，人工智能提供了一种新选择。它当然算不上是卓越的智囊伙伴，但能出色完成当下急需的大量工作。人工智能无需适应期和频繁开会，也完全不需要情感支持。它正在迫使我的心态发生悄然且令人不安的改变。
问题不在于我的学生是否有价值。从长远来看，他们无比宝贵。问题在于他们的价值是逐渐显现出来的，而人工智能能带来立竿见影的效果。我有点不好意思承认这有多么诱人。在我们的文化中，偏好算法而非实习生，感觉像是对学术使命的背叛。
然而，我看到这些考量正在影响周围的实验室。亲密的同事们不再像过去那样招收那么多学生了，即便招收，他们也明显变得更加挑剔。
我的第一直觉是，对于在新环境中招收的任何学生，我都期望他们从一开始就展现出更高的贡献水平。但要达到这些更高的期望，学生很可能会大量依赖我自己也能使用的人工智能工具。在此过程中，他们可能会错失在早期任务中经历挫折并从错误中学习的宝贵过程。我担心学生们可能会仅仅成为将原始想法与人工智能输出联系起来的中介。
对于教师来说，产生科研成果的压力依然持续，科研进程也毫不留情，这使得高效的、运行顺畅的人工智能更具吸引力。我所看到的真正危险，并非是人工智能会在可预见的未来完全取代研究生，而是认为招收学生是每个教授学术生涯一部分的默认观念会悄然消退。在某些情况下，最实际的解决办法或许就是使用人工智能。
我不太清楚这会对那些毫无研究经验的学生造成怎样的影响。就个人而言，我真的有点不想冒险让一个新手参与新项目——这意味着今天的我，可能不会录用年轻时的自己。■
Ariel Rosenfeld是巴伊兰大学副教授。
DOI:10.1126/science.zgojpfo
鸣谢：原文由美国科学促进会（www.aaas.org）发布在2026年3月12日《科学》杂志。本文由中国科学报社翻译，官方英文版请见https://www.science.org/content/article/why-i-may-hire-ai-instead-graduate-student。
