前几天说了我对科研工作中AI使用的看法 网页链接 。马上就看到一篇Nature上的观点文章，很赞同。转载上来，全文由K3翻译:

把 AI 当作陪练，而非神谕（Nature World View，2026 年 9 月 9 日）

作者：Marc Schmitt（英国牛津大学）Nature 657, 575 (2026)｜doi:10.1038/d41586-026-02846-1

导语：随着人工智能工具成为科学研究中至关重要的合作者，大学必须教会学生去质疑这类系统，并评估他们这样做的能力。

正文：生成式人工智能如今已深度融入学术生活。在英国，今年 3 月的一项调查发现，94% 的本科生使用这项技术完成计分课程作业。科学文献也呈现出类似的转变：2025 年发表的论文中，超过一半带有大语言模型（LLM）的语言痕迹，而 2023 年这一比例约为十分之一。

这一趋势让教育者和研究人员感到警觉——他们担心 AI 模型会侵蚀批判性思维，并让低质量工作泛滥于科学记录。然而，作为 AI 工具的常客，同时作为一位在牛津大学研究该技术如何重塑金融市场决策的研究者，我认为这些唱衰者搞错了方向。

好的智力"陪练"是稀缺资源。要找到一个能质疑你的推理、盯住你的证据、并实时反驳你论点的人，你需要一位良师、一位敏锐的同事，或一个合适的研讨会听众——大多数人从未有过这样的机会。LLM 首次让广泛的受众得以接触一个能按需与你推理对话的伙伴，这重新分配了"智力火力"。

矛盾的是，主流叙事却是反过来的，把 AI 模型描绘成人类思想的威胁。担忧在于：学生将停止思考，研究者将越来越多地把科学判断外包给 LLM。这些担忧是真实的，但矛头指错了对象。危险不在于 AI 本身，而在于被动使用——把机器当作现成答案的来源，而它的价值恰恰来自主动参与。

大多数研究者都知道，科学观点并非以完整形态降临。它们经由对话、经由反复尝试把它们表述清晰而浮现。科学家如今可以随时随地与 AI 模型进行这种智力交流，而且讨论记录可以随时检索。

反对更多使用 AI 工具最有力的论据之一，来自 2025 年一篇广为讨论的预印本《你的大脑在 ChatGPT 上》（Your Brain on ChatGPT）。该研究发现，与未借助聊天机器人写作的对照组相比，使用聊天机器人撰写文章的研究参与者大脑神经连接更弱。作者将由此产生的效应称为一种"认知债务"（cognitive debt）。但事实上，同一研究也指出：那些在咨询模型之前先独立完成思路梳理的参与者，其认知参与度反而高于由聊天机器人辅助写作的参与者。其他实验也报告了类似的模式。在一项大型随机试验中，考前不受限制地使用聊天机器人降低了学生在真实考试中的表现；而同样使用这一模型、但将其配置为只提供提示、不直接给出答案的"导师"时，则没有出现这种负面影响。因此，大学必须投入精力，让学生真正掌握如何、以及在何时使用 AI 来完成科研工作。

AI 开发者肩负着一项关键责任：鼓励与聊天机器人进行基于论辩的对话，而不是被动地接受答案。例如 2025 年，OpenAI、谷歌和 Anthropic 各自为其聊天机器人推出了"学习模式"——该模式不直接给出答案，而是反过来向用户提问，促使用户自己动手得出答案，而非简单地接收答案。整个行业应当开始思考 AI 系统的教育化变体，让产品设计明确地以促进反思和智力成长为宗旨。

大学还应把"与 AI 系统有效论辩的能力"视为一项核心素养，并据此进行评估。一些高校已经在尝试这类评估形式。本月起，英国的巴斯大学（University of Bath）将实行双轨评估制：一条轨道允许使用 AI，另一条轨道则在监考条件下进行。纽约大学商学院正使用语音 AI 进行口试——学生必须实时为自己的推理辩护，AI 工具由此化身为一位苏格拉底式的考官，通过连续追问来探测学生的理解程度。马萨诸塞州剑桥市的哈佛大学更进一步，直接对"对话本身"评分：在试点课程中，学生与基于课程材料训练的 AI 工具互动，由授课教师对对话记录打分。于是，学生提出问题、识别漏洞、拒绝站不住脚的论证的能力，便成为了评估过程的一部分。

同样的透明原则也应适用于科研。披露不应沦为一种例行公事式的"忏悔"——仅仅声明"用了 AI"就完事。相反，它应当揭示：人类的判断在哪个环节介入，哪些内容被采纳，哪些被否决，以及关键论断是如何得到验证的。

人类曾经历过类似的时刻。文字曾被说成会摧毁记忆力，印刷术被认为会削弱学问，计算器被担心会侵蚀计算能力——但最终，它们都拓展了心智所能企及的边界。AI 或许是迄今最严苛的一次考验，因为它不只存储和检索信息，它还会"论证"。正因如此，我相信批判性思维将在算法时代幸存下来，并磨砺得更加锋利。我正是通过与一台机器论辩，构建起了这篇文章的论证。我们应当教下一代人也这样做。

Nature 657, 575 (2026)doi: 网页链接