Normative boundaries of AI in scientific work: Evidence from PhD researchers
基于对3,785名国际博士研究人员的调查，本研究确定了关于人工智能在科学工作中应用的四种截然不同的态度特征，揭示了研究人员的舒适度是由特定任务的界限而非简单的接受或拒绝的二元论所定义的——即接受将人工智能用于文献任务，但抵制将其用于写作和实验设计等核心智力贡献。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
科学始终是一项人类事业，是一个研究人员通过自己的思想和双手提出问题、收集证据并建立新理解的过程。但一种新的工具已经进入了实验室和图书馆：人工智能。这些系统现在可以编写文本、分析数字，并以超过任何人类的速度搜索海量信息。这种转变引发了一个关于未来发现过程的根本性问题：如果机器在做这项工作，那么谁在进行思考？担忧之处不仅在于工作是否得以完成，而是在于当人类与机器共同承担重任时，研究的本质如何发生变化。如果一台计算机撰写论文或设计实验，人类研究者是否仍应获得荣誉？如果机器承担了繁重的任务，那么将学生培养成专家的学习过程是否还会发生？这些不仅仅是关于软件的技术问题，更是关于规范和治理科学如何产生的规则与价值观的问题。
为了了解下一代科学家是如何应对这一新格局的，研究人员弗朗切斯科·安杰利尼（Francesco Angelini）和约翰·利尔瓦尔（Johan Lyrvall）直接观察了那些将塑造研究未来的群体：博士生。他们分析了来自一项针对全球 3,785 名科学、技术、工程、医学和健康领域博士生的庞大调查的数据。研究人员并没有简单地询问一个关于学生是否喜欢使用 AI 的“是或否”问题，而是要求他们对使用这些工具进行日常工作中五个特定部分的舒适度进行评分。这些任务的范围从追踪和总结科学文献到撰写研究文章、收集和分析数据以及设计实验。通过观察学生对每项具体任务的感觉，研究人员可以观察到他们的思维是否存在某种模式。他们发现，学生们并非简单地分为“热爱者”和“厌恶者”两派。相反，他们的态度形成了四个截然不同的群体，揭示了一幅复杂的地图，展示了他们在哪些地方愿意让机器协助，以及他们在哪里划定了界限。
最大的群体代表了受访学生中的近一半，他们表现出了一种被研究人员称为“分工”（division of labor）的清晰模式。这些学生对于使用 AI 进行寻找和总结现有科学论文等任务感到相当自在。他们将这些活动视为支持性工作，机器可以高效地处理信息。然而，对于同样的这些学生来说，在处理研究的核心智力任务时——如撰写文章本身、分析数据或设计实验——他们感到的舒适度要低得多。对于这个群体而言，界限是明确的。他们愿意让机器处理背景工作，但希望将那些需要深度思考、创造力和最终责任的任务牢牢掌握在人类手中。这表明，对于许多未来的科学家来说，AI 的价值在于其辅助信息管理的能力，而非取代人类大脑进行发现的能力。
研究中的其他群体持有不同的观点。约三分之一的学生对使用 AI 进行几乎任何研究任务都感到不适，研究人员将这种立场称为“现状”（status quo）。他们往往会对这项技术感到普遍不安，尽管在涉及写作和数据分析时，他们的不适感最为强烈。还有一个较小的群体，约占 16%，他们则恰恰相反；他们广泛接受使用 AI 处理所有事务，将其视为可以帮助研究过程中任何环节的通用型工具。最后，一个规模虽小但值得注意的群体（占 7%）是“犹豫不决”的。这些学生在被问及舒适度时经常选择“不知道”，这表明他们要么对该技术不熟悉，要么使用经验不足以形成观点，或者仍在摸索规则的界限。即便是在那些不确定的人当中，当他们表达出某种感觉时，其态度也更倾向于正面而非负面。
研究还探讨了诸如专业领域、攻读学位年限或使用 AI 的频率等因素是否改变了这些态度。结果显示，与医学和健康科学领域的学生相比，STEM 领域的学生更有可能属于怀疑论的“现状”组。然而，无论学生是处于第一年还是最后一年，或是全日制学习，整体模式都保持一致。这表明，学生看待 AI 角色的方式不仅仅是由于接触这些工具的时间长短，而是更深层次地反映了他们对自身工作性质的看法。由于“分工”组是最大的群体，这表明正在形成的普遍规范既不是完全拒绝 AI，也不是盲目接受 AI，而是仔细区分哪些任务属于机器，哪些必须保留给人类。
这些发现对于如何教授和评估科学具有重要意义。研究人员建议，我们看待科学领域中 AI 的方式需要超越简单的“禁止”或“允许”使用的规则。相反，机构和期刊可能需要采取一种更细致的方法，能够识别出“使用 AI 查找参考文献”与“使用 AI 撰写结论”之间的区别。如果一名学生使用 AI 来总结一百篇论文，这与使用它来生成论文的核心论点是完全不同种类的辅助。该研究暗示，未来的科学训练将需要侧重于帮助学生理解这些界限。这不仅仅是关于学习如何使用工具，更是关于学习哪些研究过程对于培养自身的专业知识是必不可少的。如果一名学生让机器进行写作或数据分析，他们可能会错过通过亲自执行这些任务来培养批判性思维能力的机会。
最终，这项研究捕捉到了一个转型时刻。博士生的态度并非固定不变的；随着技术的进步以及科学界建立起新的规范，这些态度很可能会发生演变。目前，最普遍的观点是一种选择性的观点，即欢迎 AI 作为信息的助手，但抵制其作为判断力的替代品。这种“分工”可能会成为科学实践的标准方式，即由机器处理海量信息，而人类则专注于知识的综合与创造。随着这些学生毕业并成为未来的领导者、编辑和评审员，他们现在所划定的界限将有助于定义在人工智能时代，什么是合法的科学工作。该论文并不声称已经解决了这场争论，但它清晰地描绘了目前由那些即将在未来几年内跨越这条界限的人们所划定的界限所在。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。