作为一名科研工作者这几年采用AI无疑会提高的自己的工作效率直到最近AI的更新比如女娲.skill与ChatGPT Images2.0我发现AI对于科研工作而言不是抽象意义上AI的进步了让我的效率又提高了而是两类能力即将碰到科研工作的关键环节不久的将来或许会替代我。其中女娲.skill是一个依托现有大模型运行的“认知蒸馏型”skill工具主要把特定人物的思维框架提炼成可调用的分析模块ChatGPT Images 2.0则是OpenAI新一代图像生成与编辑模型重点强化了高质量出图、文字渲染和复杂视觉表达能力。女娲.skill的重点不是帮你润色几句话而是试图把一个人的思维方式、决策启发式和表达习惯提炼成可调用的skill。它会围绕某个人的writings、访谈、社交媒体、批评视角、决策记录和人生时间线做并行调研再经过交叉验证最后生成一个包含心智模型、决策规则和表达的结构化文件设想一下如果将一位科研大牛的学术著作和科研工作思路全部蒸馏是否就得到了一位很牛的科研数字孪生人了而这位科研数字孪生人是可以替你打工的“员工”。ChatGPT Images2.0的升级也不只是画图更好看了相比以前的混乱而是让学术图片更加准确了具体可以用在多个方面包括期刊论文里的图、学位论文框架结构图、项目里的技术路线图、基金本子原理机制图等等这些过去很依赖人工反复打磨耗时几周或者数月现在极大缩短了。从这两个进展来看最先感到压力的不一定是最普通的老师而是那些科研工作高度依赖信息整理和成果包装的人。以前有些老师的优势本质上是会搜、会拼、会改能把已有文献重新排列一下把研究思路包装得像那么回事再把图做得更完整一点文章就能成形。但女娲.skill这类工具一旦把“别人是怎么思考问题的”提炼成可复用模块原来靠长期阅读积累出来的一部分方法优势就会被稀释当然这一块还未普及到科研人员身上但复刻每个行业的顶尖/头部科学家一定是个趋势。ChatGPT Images2.0又把高质量信息图、图解和排版门槛往下压了一截那些靠图做得精致、框架画得漂亮来撑论文完成度的人也会越来越难靠这些形成明显差距。如果把这两类能力继续演进未来高校科研生态很可能会出现一个很明显的变化那就是中间层工作会被迅速压缩比如读文献做框架、模仿成熟学者的论证方式、反复打磨图示、把复杂内容变成更容易让审稿人接受的表达。因此未来真正不可替代的不是某一个具体动作因为AI迟早都会越做越好。真正不可替代的是判断什么值得做、什么是真的、什么能落地并且愿意为结果负责的人。科研老师最后拼的不只是能力更是判断力、推进力和责任力。在这个基础上AI对高校科研的冲击更可能表现为团队结构的重组未来一个项目团队也许不再需要那么多传统意义上的科研执行者而是由一位教授加上两三位能够熟练使用AI智能体的青年教师、博后或硕博研究生组成以更少的人完成过去更多人的工作。本文来自汪锐科学网博客。链接地址https://blog.sciencenet.cn/blog-3470312-1532129.html