最近这段时间，我一直在 AI 带来的便利与隐约的焦虑之间摇摆。

一方面，它进化的速度快到让人窒息：今天刚用它处理完数据，明天它已经能帮你写讨论、润色全文；另一方面，那个"被替代"的念头像影子一样甩不掉。我相信很多在科研圈或知识密集型行业里待着的人，都有过类似的感受。

但很有意思的是，让我真正走出焦虑的，不是某篇讲 AI 局限性的科普文章，而是两件表面上毫不相干的事：一位顶刊大佬在报告里的一番自嘲，以及近来频繁上热搜的学术造假风波。

一、当大佬把自己的论文"批烂了"

前不久，我去听了一位在领域内绝对称得上"金字塔尖"的学者的学术报告。这位大佬手握三十余篇 Nature、Science 正刊及大子刊，放眼全球，同行里能与之比肩的屈指可数。

面对汹涌的 AI 浪潮，他在报告里反复强调一句话：

"一定要相信我们自己的判断力，因为只有我们自己才知道什么是对，什么是错。"

为了让这句话有说服力，他没有拿别人举例，而是直接把自己发表过的正刊一篇篇拿出来"解剖"——这篇有什么设计上的瑕疵，那篇当初是合作组坚持要投、结果稀里糊涂发出去了……

台下有人向他请教"如何才能发一篇顶刊"，他非常坦诚地说：

"我这个人很 picky，在我看来很多文章根本不值得发。我发的那些文章，不代表它们没有问题。有时候合作组坚持要投，我们就投了，结果还真发了。"

有人追问，如何看待当下科研中普遍的"过度包装"现象？他直言：现在的科研确实存在大量过度包装，有时候包装到连他自己都觉得像在造假，但问题在于，不包装，文章连送审的机会都没有。所以他现在投稿时，最常做的一件事，是在审稿后的反复修改过程中，把初稿里那些溢美之词一条条删掉——"至少让文章没有那么假"。

一个功成名就的大佬，在台上这样坦白现状，台下的人都笑了，觉得解气，也觉得悲凉。

但我想到的是另一层：如果同样的话，从一个尚未发过正刊的年轻学者嘴里说出来，别人大概只会觉得是"吃不到葡萄说葡萄酸"。我们拼命往上走的意义之一，就是有一天能站在足够高的地方，有底气告诉后来者：很多时候，那确实是皇帝的新装。不要因为自己资历浅、位置低，就不敢相信自己的判断。

二、文献里的"脏数据"，才是 AI 真正的天花板

顺着这个思路，我去查了学术造假的规模数据，结果触目惊心。

2023 年，《Nature》刊发了记者 Richard Van Noorden 的一篇调查报告。该报告援引数据分析公司 Clear Skies 的研究成果指出：2022 年发表的全部科学论文中，有 1.5%～2% 高度疑似"论文工厂"的产出，且这一比例仍在逐年攀升。生物医药领域因为经济压力更大，造假比例可接近 3%。

这个数字背后，是数以万计渗入正规学术数据库的虚假研究。2023 年全球论文撤稿数量突破一万篇，创下历史新高，而据 Retraction Watch 联合创始人估计，实际应该撤稿的数量至少还有十倍之多。

当整个学术圈对此痛心疾首时，我突然意识到这件事还有另一面——这恰恰是 AI 真正的软肋，也是它最难突破的天花板。

我们总担心 AI 会全面超越人类。不可否认，在本科乃至部分研究生水平的任务上，AI 已经毫无压力。但在真正前沿的科研探索层面，它很难再有质的飞跃。原因正在于此：

AI 的底层学习逻辑，建立在"假设文献库中的知识是可信的"这一前提上。它"喂什么数据，长什么本事"。当它所吸收的语料本身就充斥着无法重复的实验、过度包装的结论、甚至系统性造假的"脏数据"时，它就永远无法超越现有文献所能达到的最高水准——那个天花板，从一开始就是歪的。

因此，在 AI 时代，科研人员真正的核心竞争力，其实是一种辨别真伪的品味与判断力：能够识别哪篇文献值得信赖、哪个结论需要打问号、哪条研究路径是被"包装"出来的噪音。这种能力，不是 AI 能从数据库里自行习得的。

三、狂奔的火车，和你并不需要坐在车厢里

科研造假的现实让人沮丧，但反过来想，它也在提醒我们：科研本身，向来不是一场所有人都能改变世界的运动。

拉长历史维度来看，真正能做出颠覆性成果的人，任何时代都是极少数。我们今天拥有庞大的硕士、博士群体，对其中绝大多数人而言，科研更像是一份需要认真对待的工作，而不必然承载着"重写教科书"的宏愿。想通了这一点，很多焦虑会自然松动。

脱口秀演员梁海源有一个段子，说到了很多人的心坎里：

"我希望科技不要再进步了，我现在活得已经很好了。我感觉科技的进步就像一列狂奔的火车，而且是那种印度火车——我并没有坐在车厢里面，而是那个挂在车厢外面的人，我真的快跟不上了。"

这话乍听像是在抱怨，但细想，里面藏着一种朴素的清醒。

任何领域的发展都有其自然的生命周期。汽车刚被发明时，人们拼命追求提速，但当速度跨过某个阈值，再往上提就失去了现实意义——日常通勤不需要 F1 赛车的性能。一百多年前，物理学的大厦主体已经建成，即便上空飘着开尔文勋爵所说的"两朵乌云"，也丝毫不妨碍绝大多数人过上安稳的生活。现有的物理学和工程技术，对我们的日常生活已经"够用了"。

科技还会继续进步，这毫无疑问。但它不再是起飞式的狂飙突进，对于生活在其中的普通人而言，有时候从容地找到自己的节奏，比死死抓住车厢外壁更加重要。

四、AI 能画图，但生活这道题只能你自己解

当学术圈里那些"皇帝的新装"被一件件掀开，当 AI 的隐形天花板逐渐清晰，我反而越来越相信"人"本身的价值。

最近，北京科技大学一位同学在深夜独自实验时，向陌生人借了一个插排，这件微小的事在网上引发了大量共鸣。冰冷的仪器和冰冷的算法面前，人与人之间一个微小的善意，反而让人动容。

这不是偶然。AI 可以帮我们处理海量数据、生成最流畅的文字、画出最漂亮的图表。但它永远无法替代的，是我们作为一个"人"去理解另一个"人"的能力——那种在复杂情境中读懂对方、在压力之下维持善意、在孤独时给予他人一点温度的能力。

对于今天的年轻人来说，无论是正在读研的学生，还是刚进入职场的新人：如何在一个团队中真正协作、如何在这个信息过载的社会里保持独立判断、如何拥有一颗强健且平和的心智——这些能力，可能比"如何做出一篇完美的论文"更加稀缺，也更加值钱。

毕竟，AI 可以润色你的文字，却无法代替你去感受和判断。

生活这道题，依然得我们自己去解。

参考资料：Van Noorden, R. (2023). How big is science's fake-paper problem? Nature, 623, 466–467. https://doi.org/10.1038/d41586-023-03464-x