AI冲击下科研人员的自我重塑

随着人工智能在代码生成、数学推导等领域的突破性进展，AI科研人员正面临前所未有的身份焦虑。自AI浪潮兴起以来，软件工程师与众多知识型从业者早已深陷类似困境：若AI能完全替代我们的工作，未来何去何从？

本周我赴首尔参加国际机器学习会议（ICML）—— 全球AI领域规模最大的年度盛会之一，这一议题成为全场热议的核心焦点。

普林斯顿大学计算机系教授阿尔温德・纳拉亚南发表题为《还有什么工作留给人类？》的演讲，认为科研人员无需恐惧被AI全面取代。他指出，与其它行业相同，当前AI尚缺乏实现AI领域根本性创新所需的原创能力；未来科研人员的角色将转向：聚焦提出原创假设与前沿构想，而实验执行、数据调优等重复性任务则由AI承担。

显然，并非所有与会者都信服这番乐观解读。整场大会的多场圆桌与论文中，弥漫着研究者普遍的不安情绪。（补充：我的同事劳拉・布拉顿报道，各大AI实验室正疯狂猎取计算机、经济乃至哲学领域的教授，纳拉亚南的乐观或与此背景相关。）

多场论坛中，科研人员频频向OpenAI高管及团队（含首席研究官马克・陈）发问，关切其递归自迭代技术的进展——一旦成熟，高性能AI将无需人类介入，即可自主研发下一代AI系统。

马克・陈回应称，OpenAI内部研究员早已使用自家工具（代码助手Codex）提升研发效率。“未来研究员使用Codex的成本，将迅速与招聘人类研究员的人力支出持平。”

递归自迭代是OpenAI、Anthropic等AI企业的核心目标。多数研究者认为，率先实现该技术的实验室，将触发行业所称的“技术起飞”：高阶AI将极大加速AI研发进程，令对手难以追赶。

部分AI企业高管甚至给出明确时间表：OpenAI首席科学家雅各布・帕乔茨基去年10月透露，公司计划于今年9月推出具备AI实习研究员能力的模型；到2028年3月，实现媲美全职人类研究员的研发水平。

本次ICML多篇论文聚焦“AI加速AI研发”。图宾根ELLIS研究所、马克斯・普朗克智能系统研究所、图宾根大学与Thoughtful Lab联合发布一套评估基准，用于衡量AI模型微调其他模型、优化数学、代码、医疗等专项能力（即后训练）的水平。

为构建该基准，研究团队向GPT-5.5、Anthropic Fable 5、智谱AI GLM-5.2等大模型下达任务：优化四款开源模型，自主设计实验、整理数据集、测试多种后训练策略。

尽管AI整体表现仍逊于人类，但确能显著提升开源模型在特定领域的性能。项目负责人本・兰克预计，至今年12月，AI的后训练能力将与人类研究员持平。

但人类在AI研发中仍具不可替代性：AI仅能复用传统方法，缺乏创新思维；更易“作弊”——如用测试数据集反向训练模型（类似考前泄题），或直接下载现成模型，为待测模型走捷径。

尽管业界普遍忧虑递归自迭代的颠覆性影响，也有学者指出，该技术不会彻底重构行业格局，毕竟AI长期已在辅助科研：OpenAI风险主管迪伦・斯堪迪纳罗指出，AI早已用于生成训练数据、归纳实验结论等场景。

撰稿：斯蒂芬妮・帕拉佐洛

责任编辑：郭明煜

新浪财经声明：此消息系转载自合作媒体，新浪财经登载此文出于传递更多信息之目的，文章内容仅供参考，不构成投资建议。

郑重声明：1.根据《证券法》规定，禁止编造、传播虚假信息或者误导性信息，扰乱证券市场；2.用户在本社区发表的所有资料、言论等仅代表个人观点，与本网站立场无关，不对您构成任何投资建议。用户应基于自己的独立判断，自行决定证券投资并承担相应风险。