今年，在我刚刚结束的四门课上，我全面引入了AI。
相比于传统的知识灌输，我和学生们一起体验了借助好奇心
主动从AI这个“世界级大脑”中，精准调用所需知识的乐趣。
学生们反馈，这种回归学习本质的“第一性原理”，
才是他们最想掌握的能力。
这也引发了我的深思：AI时代，大学教育该何去何从？
我内心深处有个声音愈发清晰：
AI时代，我们更应该“做回人”，而非是为了效率一骑绝尘的机器。
无论对于老师还是学生，
是时候从一周七天的课表上，大胆划去那些为了应付绩效而开设的课程了。
这样做，能把老师和学生从双向的“疲于奔命”中解放出来。
余闲有了，情绪好了，创造力涌现了，师生们脸上的愁容或许才能烟消云散
我们常说的科学直觉，很大程度上是科学家基于长期积累的隐性知识
对复杂系统进行的一种高效的、非逻辑的模式识别
这是需要长期的科研思维训练
而AI，特别是深度学习，极其擅长在高维数据中发现关联
其能力在很多方面已经超越了人类的模式识别。
然而，科研人的核心价值将体现在一种更高阶的直觉
也就是科学的“审美”与“品味”。
具体而言就是
在无数个AI生成的、逻辑上都成立的假说中，哪一个更“优美”、“简洁”或“深刻”？
从奥卡姆剃刀原理到追求理论的对称性与和谐性（如狄拉克预测正电子的存在）
科学史上充满了对“美”的追求。
这种判断力，源于对学科历史、哲学背景和智识传统的深刻理解
它不是数据拟合，而是一种价值判断。
AI可以生成乐谱，但它难以判断肖邦与巴赫的风格高下
而此时我们科研人员可以有自己独特的审美
其次就是科研的品味
在科研可能性中，选择哪个科学问题“值得”研究？
哪个方向最有潜力引发“范式转换”？
这种判断力，是科研人员的“品味”。
它决定了一个科研人员学术格局和历史地位。
AI可以优化路径，但无法定义“远方”。
所以，科研工作者的价值在于：
为AI的强大算力，注入我们独特的科研审美和品味
成为科学探索的“品味总监”。
2. “批判性思维”的深化：从证伪到“框架批判”
如果你善于提问，AI无疑是最强大的“批判者”。
它可以帮助我们检查实验设计的每一个漏洞
分析数据中的每一处异常，甚至比人类更高效地执行卡尔·波普尔的证伪主义-也就是批判者
但是，AI的批判是在一个既定框架内进行的。
它善于发现规则内的矛盾，却难以跳出规则本身去思考。
人类科学家的不可替代性，在于“框架批判”的能力。
比如AI可以优化一个基于牛顿力学的模型
但它不会主动去问：“牛顿力学的时空观本身是不是就是问题的根源？”
提出相对论的爱因斯坦，正是进行了这样的框架批判。
AI可以在已知领域内飞速探索
但科研工作者需要识别出我们知识地图上的“未知大陆”在何方
甚至要意识到“地图”本身可能就是错的
这需要对科学史、科学哲学乃至更广泛的认知论有深刻的洞察。
而深刻的洞察来自深度专注思考
当AI报告一个无法解释的“异常数据”时，它可能将其标记为错误或噪声。
而人类科学家，凭借其深厚的背景知识和想象力
可能会意识到这正是通往下一个重大发现的钥匙
是现有范式失灵的信号（如普朗克面对的“紫外灾变”）。
所以，科研工作者的价值在于：
不仅是规则的遵守者和优化者，更是规则的制定者、反思者和颠覆者
奈何，目前疲于奔命的状态已然让科研工作者无暇进行这般深度的思考了
或许阅读到文章的你，或许至少可以每周给自己半天的余闲
3. “人文关怀”的本质：定义科学的终极“目的论”
这是最核心、最根本的一点。
科学研究终究是人类认识世界、改造世界、并最终理解自身存在的活动
也就是说科研最后要回归到温暖人类的维度
AI可以回答“是什么”（What）和“怎么办”（How）
但只有人类能回答“为什么”（Why）和“为了什么”（For What Purpose）以及为何不为
尽管现阶段，很多科研工作者将科研仅作为一种谋生的手段
或许是受困于当下的环境，但生存需求满足后
就会思考尊重需求和自我实现的需求-如下图
总而言之
当AI成为我们的第二大脑时，也正是将我们从繁杂的琐事中解放的过程
科研人员或许不再是那个记忆了最多知识、做了最多实验的人
而是那个能与AI进行最高效、深刻对话
能基于自己的科研审美和品味
提出最具洞察的科学问题的人
并赋予其独特的意义
#AI#人工智能#科研#SCI#AI for science#大学教育
需要了解课程的朋友可以咨询下面的微信号
本次课程是与科鸿教育一起合作
课程详细内容请联系小助手获取！科鸿教育AI课程安排-2025年.pdf
从本质上看，竞争就是模仿，与他人竞争。
是因为你跟别人在做一样的事情。
但，每个人都是独一无二的
释放自己的独一无二，或许可曲径通幽……
AI时代科研圈尤为如此
