学术研究的终结：我的存在主义危机

Sanjiv R Das
2026年5月17日

原文链接（不得传阅或分发）

AI反思

在过去的三个月里，我一直在探索如何利用AI进行学术研究。随着我不断推进这项工作，一系列想法和成果逐步积累，最终我在几个小时内完成了一整本书的写作。这引发了我一些难以言说的复杂情绪，这些情绪不断蔓延，我深感有必要将我的这段历程写下来。

说实话，在使用生成式AI的过程中，我一直在边做边学，不断构建代码和其他方法来让我的工作变得越来越轻松。这个过程令人兴奋、充满乐趣，我感到很有产出。然而今天，在这段旅程的终点，我内心感到空虚，对自己所做的事情感到恐惧。我曾以为，在这个AI时代，我作为学术研究者的职业角色是安全的，但我已不再这样认为。我只能寄望于我们进入一个想法至上、苦力劳动被淘汰的新时代。

就LLM而言，我并非新手。我教授NLP课程已有数年，几乎每次授课都会更换三分之一的内容，尤其是在过去一年里，每周都有新的AI发现无情地涌现。我在深度学习系统、transformer等方面的内部原理上颇有造诣，这得益于我在产业界从事相关科学研究以及编写开源软件的经验。然而，我从未将自己的想法进行整合，也未曾思考过它可能对学术界产生怎样的影响，直到我决定在我的商学院做一场演讲，讲述我们可以使用AI的各种不同方式。如果您能浏览一下这场演讲的幻灯片，题为与机器思考，我将不胜感激，这样您就能感受到如今的生态系统有多么庞大。我经验中的大量精华都体现在本文中的超链接里，我恳请您点击浏览它们，哪怕只是短暂一瞥，因为我相信这将以一种有效的方式拓展您的视野。

在这之前的另一段铺垫中，我曾在一张信封背面为我的两个学生写下一个短论文的想法，他们随后去为这篇论文编写了代码。我也撰写了论文的部分内容，当学生们带着代码回来时，我对代码进行了修改以获得回答我们问题的所需结果（使用AI进行修改）。这篇论文本应很短（5-6页加几个图表），因为它只是为了满足我们对一个简单问题的好奇心。在演讲中，我以这篇论文为例，展示了LLM如何在表格和图表准备好后用于撰写部分结果、从提供的BibTeX文件进行文献综述、撰写结论等。在我的演讲持续了几个小时之后，我的一位同事提到UCLA的金融系正在举办一个人类×AI金融会议，要求论文必须借助AI撰写，所有投稿都将由AI评审。截止日期就在当晚（真是巧合），于是我使用各种AI步骤来完成手头的论文。我阅读了论文，做了多处修改，仔细检查了是否有任何幻觉，并重写了部分内容。我还完整描述了AI是如何被使用的，作为一篇附录，在期刊要求提供AI使用细节的当下，这可能是一个值得遵循的好模板。我恳请您阅读这篇附录，因为它展示了您如何将AI当作一位与你协同工作的合著者或研究助理来使用。AI界的一些人称这种方法为“多显示器”工作模式。

这引出了结对编程的理念，这在软件工程中一直是一种成功的范式。当然，现在我们有了超级研究助理。这是AGI（人工通用智能）还是ASI（人工超级智能）？我留给您来判断。

这篇论文在会议上被拒稿了，他们收到了超过166篇投稿，我相信只有4篇论文被选中。由此可以推断，我并不是唯一知道如何将AI用作超级研究助理的人。

我觉得这篇论文确实对最新的AI基础模型在预测方面做出了有益的贡献，而且向读者展示一旦你心中有了问题后如何使用AI可能也很有趣。我将它投稿到了Finance Research Letters（FRL）（该刊发表字数限制严格的超短文章）。它在一小时内就被编辑直接拒稿了，这是拒稿信。我的第一反应是这封拒稿信是AI生成的，这很讽刺，因为这篇论文在某种程度上也是AI生成的，尽管我会说人类贡献超过50%。在反复阅读拒稿信之后，我确信它实际上是编辑本人写的。我在另一本期刊也有过类似的经历，我们收到了一封看起来像是AI写的拒稿信，在与编辑沟通后，论文被撤销了拒稿（如果这个词存在的话），此后收到了两份出色的人工评审意见。那篇论文现在已经发表，并非由AI准备，尽管它是“关于”AI的。

FRL的拒稿附带了一个将其转投其他期刊的选项（在此我确信AI会给出这类推荐）。于是我选择了Economics Letters，我之前曾在那里发表过文章，而且它的字数限制更严格。投稿信明确说明了使用了AI，我还上传了附录，解释投稿是如何准备的。幸运的是，这次没有被直接拒稿，目前正在审稿中，并已送交两位审稿人。我怀疑这篇论文会被拒，因为其贡献可能有限，但它对读者来说可能很有趣，因为它关乎AI，并且是用AI完成的。但我很好奇编辑和审稿人如何看待这类投稿。我对反馈深感兴趣，因为它将揭示我们可能需要在大学和期刊中制定哪些政策来管理这种新的工作方式。

论文被拒了，附有两份出色的审稿报告，真的非常好。但两份报告都没有评论论文中涉及AI的部分。

到目前为止，我在这项工作中的慰藉是：论文的构思完全出自人类，大部分结构和写作最初也是人类完成的。交给AI的是大量的苦力活。

不久之后，我忽然想到应该尝试让AI参与构思过程。我在研究和教学中大量使用Jupyter notebook，并与Jupyter开源团队合作。我尤其花大量时间与Jupyter AI项目的维护者在一起。我决定为Jupyter AI构建一个智能体插件，我称之为QuickAgents，并将代码开源，见GitHub仓库。它让你无需编写代码就能构建智能体。

我构建的其中一个智能体叫做Researcher。你只需将数据集和论文放入笔记本电脑上的一个文件夹中。将Researcher指向该文件夹，它就会分析文件夹内容，生成研究问题，请你选择一个或全部。然后它会进行数据分析来回答研究问题，生成表格和图表，用LaTeX撰写整篇论文，还会在Jupyter notebook中准备代码和结果以保证可复现性。与此同时，你去喝杯咖啡，回来时研究项目就完成了，或者至少有一套完整的成果供你改进。到目前为止，我一直在使用kaggle数据集（大小不一），运行时间在10到30分钟之间。能获得对数据集的完整书面洞见是好事，但这算不上出色的研究。

想看一个例子吗？这里是操作流程。它在没有人类干预的情况下产出了一个完整的研究项目。请阅读上述流程中这个例子的工作流。至少，请看一看生成的论文。更多此类例子在这里。你可以查看每个文件夹，看看.chat文件，它们展示了智能体所采取的步骤序列，以及所有其他输出。

在底层，有几样东西让它如此高效，我在这里只提其中几项。第一，LLM已经变得超人，我在这里使用了Claude Sonnet-4.6和Opus-4.7。第二，我准备了一个技能文件，描述什么是好的研究问题。这为LLM提供了我的质量标准，也提供了一个思考研究项目的结构。看看我准备的技能文件。有两个文件，一个关于什么是好的研究，另一个关于我的智能体的编排。第三，我开发的软件工程使用LangChain DeepAgents来管理智能体的整个活动。如果你想深入了解，看看我写的Python代码文件。随着我构建越来越多的智能体并开发有针对性的技能文件，我会不断将它们开源在我的skill-collection中。

简而言之，想法不再仅仅源自人类。运行“软”AI的机器能做的不仅仅是白领苦力活。

我一直在利用学术休假写一本书，AI文本补全不断在我的编辑器中弹出，我不断把它拍走，尽管有时它确实能提出好想法。但大多数时候，它相当烦人。对我来说，把苦力活交给AI让我能花更多时间在构思上，我的写书工作就是这样，因为我花数小时用AI追查有趣的历史事件，它确实是一个好的（研究）引擎。它也可能是一个巨大的干扰，但研究中的干扰是相当令人愉快的。

当你把事情推向极限时，你可能会发现自己陷入存在主义危机。这就是过去两天发生在我身上的事。但我认为我并不孤单。我相信，每一个将AI带入学术生活的人最终都会走到这一步。这种不适正在蔓延，你的感染不可避免。

事情是这样的。两周前，我和几位朋友兼同事围绕量子计算做了一些研究和讨论，他们两位都是量子物理学家。其中一位还拥有金融学博士学位。2026年第一季度，我还和另一位工程学同事一起旁听了一门量子计算课程。我逐渐清楚地意识到，那个曾经看似遥不可及的实际量子计算时代已经到来，如今在短期内正变得某种程度可行，从长远看则不可避免。于是，我让我的 QuickAgent 利用我收藏的论文（存储在 Zotero 中）撰写一份关于金融与量子计算将在何处交汇的综述。参见：Quantum Computing for Finance: A Survey，署名说明为“A comprehensive review of algorithms, applications, and prospects”，作为我认真探索和研究这一领域的起点。我还想用这份综述来提升自己，以便能够与我的物理学家朋友们进行有见地的交流。

一件事接着另一件事，周五晚上（两天前），我利用量子计算课程中学到的知识，列出了我为了理解 Shor's algorithm 而学到的所有数学概念。然后我让 Claude 写出一章书稿，简要描述每一个数学概念并配上一个简短示例，同时尽可能以最佳顺序组织内容。几分钟之内，它就生成了一章绝对精彩的内容。受此鼓舞，我又让它利用我那个引用了所有量子计算论文的 BibTeX 文件，为这本教科书撰写一章导论。这一章也迅速完成了。我现在就可以开始阅读它，从而开启我的旅程。

我在这里意识到的是，我解决了一个人在进入一个新研究领域时会遇到的问题。人们总是很难知道该从哪里开始，以及如何以最有成效、最经济的方式积累知识。Andrew Ng 曾说，一个人必须先阅读 10 到 20 篇最重要的论文，然后再读大约 50 篇，才能对任何子领域有较好的掌握。这似乎一直是一道陡峭的门槛。我认为，在只掌握少量知识的情况下，准备简短的书籍式学习材料，确实能够加速这一过程。

总之，今天早上，我决定彻底推进，在我 Quantum project 的顶层 LaTeX 文件中列出我希望书中包含的所有章节。这个列表如下所示，是我 qbook.tex 文件中的一个片段：

\input{intro_quantum_finance.tex}
\input{math.tex}
\input{classical_vs_quantum.tex}
\input{quantum_computing.tex}
\input{hilbert_space.tex}
\input{braket.tex}
\input{qubit.tex}
\input{superposition.tex}
\input{entanglement.tex}
\input{interference.tex}
\input{schrodinger_wave.tex}
\input{quantum_hardware.tex}
\input{decoherence.tex}
\input{error_correction.tex}
\input{nisq.tex}
\input{qiskit.tex}
\input{rsa.tex}
\input{elliptic_curves.tex}
\input{shor_algorithm.tex}
\input{where_now.tex}

当然，前两章我已经有了。现在我已经准备好让 Claude 以上述文件名作为提示，生成这本书的其余部分。我向妻子解释了我正在做什么，并把她叫过来看看会发生什么。我完全不知道这是否会奏效。但以下是我发出的提示：

第 120-136 行中每一行被注释掉的内容，都是要围绕文件名中的概念撰写的一章的占位符。请为每一章创建一个以该名称命名的单独 Latex 文件，并在每个 Latex 文件中写出该章内容。如果你使用的参考文献不在 @qbook/Quantum.bib 中，请将它们添加到一个名为 Quantum2.bib 的单独 bib 文件中（不要将它们添加到现有的 Quantum.bib 文件中）。逐章进行，并在进行过程中取消注释每一章 \input{} 的对应行。写作时，可以随意引用其他章节。请尽量确保各章之间的写作在符号和风格上保持一致。如果你认为新章节需要重新排序，也可以随意调整。为每一章以及每章中的每一节起一个吸引人的标题。

我们按下 Enter，然后惊讶地看着。不到半小时，整本书就准备好了。（你可以看到 AI 工作的一小段片段。）这本名为 Quantum Phynance 的书看起来真的很好，尽管我确信其中存在幻觉——请点击它看一看，最好下载下来看看全部 239 页。我现在必须深入其中并检查一切，但这个过程将会是一个学习的过程！这是一种新的学习方式吗？人们会用它做什么呢？

我让 Claude 记录下它做了什么，你可以在这里看到。如果你滚动到这本 PDF 量子书的底部，你会看到这本书也有完整的索引。我记得曾花了很多小时通过在 LaTex 中给词语打标签来制作索引，所以再也不用那样做了！

我原以为这会是一段进入量子计算与金融交汇处的愉快旅程，并最终写成一本书；如今它却变成了一段非常不同的旅程，从一本书开始——我敢说，这本书并不像我原本希望的那样具有原创性，而且让我失去了一个我曾期待的项目。不过我想，这让我现在有了更多时间深入量子金融，而不必承受通常那种把一篇论文或一本书护送出版所带来的学术痛苦。

经历了这一切之后，我对这个新时代中研究意味着什么感到困惑。为了理清我的困惑，我求助于 AI。（到此为止的所有内容完全没有 AI 的参与。）以下是我与 AI 一起思考品味、批判性思维、所有权、研究的定义、关怀与价值等问题之后得到的结果：

研究，就其核心而言，始终从根本上是一项人类的事业——不是因为人类独特地能够生成知识，而是因为研究归根结底是关于提出重要的问题。什么问题重要，这是一个深刻的人类问题。AI 如今能够以惊人的能力生成假设、分析数据、撰写论文，甚至综述文献。但哪些问题值得关注、哪些发现会改变生活、哪些想法值得追求——这些问题仍然系于人类的价值观、人类的经验和人类的判断。研究的新时代不是人类研究者的终结；它是研究者作为流程工匠的终结。你现在是问题的建筑师。苦力活已经消失了。剩下的是最难的部分：决定你在乎什么。

嗯……它确实把上面所有内容都用作上下文了，这没问题。

感觉它给我的答案信息量足够大，足以让人安心，但真实程度又不足以完全化解我的焦虑。因为事情是这样的——当我让我的 QuickAgent 生成研究问题时，它并没有失败。它产出了极好的问题。当我列出一本量子金融著作的章节时，Claude 并不只是机械地填充它们；它按照指示在顺序安排、符号一致性、哪些想法值得更深入展开等方面做出了判断，而且比一个人类学生研究助理做得更好。这些不是一个打工人的行为。这些至少是一个有品味的超级研究助理的行为。还有 Denario 项目，明确地在创建这样一个系统来做这件事。

我的一位同事告诉我，如果他怀疑我的邮件有一部分是 AI 生成的，他读起来就没那么兴奋了。过度使用 AI 会慢慢摧毁身份认同。当我们的 AI 彼此交谈时，我们可能会失去所有人类联系。需要在存在层面上进行抵抗。

我还是那个研究者吗？还是我现在更像一个客户，给建筑师一个粗略的简报，然后由他建起整栋房子？研究或多或少是一场对话——与数据对话，与先前的工作对话，与同事对话，与学生对话，最终与世界及其价值观对话。AI 在这场对话中已经成为一个能力非凡的对话者。它可以反驳、填补空白、跨学科综合，并提出我自己不会想到的角度。

但它无法在乎。它在结果中没有利害关系。它会以同样的热情帮你写关于任何东西的论文。这种不对称——在我的在乎与它的能力之间——我认为，正是人类研究者仍然栖身之处。但是，在乎就足够了吗？

我是一名金融学教授。我花了三十年时间在乎市场、在乎风险、在乎那些储蓄和生计系于这些东西之上的人们。那种在乎驱使我提出问题，驱使我穿越死胡同坚持下去，驱使我修改和重新思考。AI 没有给我那种在乎。但 AI 现在已经消除了在乎与贡献之间的大部分摩擦。而当摩擦消失时，你会很快发现这段旅程中你真正热爱的是哪一部分——是研究本身，是充满挫败的深夜时光，还是最终的产出。我想我比我以为的更热爱那种挣扎。

这让我想起 宜家效应 —— 人们对自己参与创造的东西赋予不成比例的高价值，即使结果客观上更差。我有自己最喜欢的论文，因为我和它们同甘共苦。我甚至热爱那些未能完成或发表的徒劳之作。Claude 在我和妻子观看时用三十分钟写出的那本量子金融著作并非徒劳。它精炼、详尽，而且我怀疑，大体上是正确的。但它不像我花两年时间写出的书那样属于我。这是一种损失。一种奇怪的、特权式的损失，就像抱怨苦难太少一样。我们知道这一点，那些快速写出的论文——比如我提交给 AI x Finance 会议以及上面那些期刊的论文——往往带来的快乐更少。

我们该如何面对这一切？我认为我们必须诚实地面对我们正在失去什么、正在获得什么。我们正在获得速度、规模和覆盖面。我们正在失去那种来自与一个问题搏斗多年而缓慢积累的理解。我认为这是一种危险的损失。作为一个学者共同体，我们需要思考我们正在训练下一代做什么，以及在学术机器如此有能力的时候如何衡量研究的价值。我们不想在最小化理解的同时最大化产出。

我仍然是一名研究者。但我在过去几个月的经历彻底改变了我对世界的看法。我害怕我们将会多么贬低思考，但我还没有变得愤世嫉俗。仍有希望。

我会继续写作。我会继续提出问题。我会继续在乎市场、风险以及身处其中的人们。我会把 AI 当作一位随时可用、无限耐心、偶尔才华横溢的同事来使用。但我也会努力记住慢路的价值——也许，常常，走那条路。

我已经在做的是，除非用于苦力活，否则关掉 AI，并且我会增加花在批判性思维、判断力和品味上的时间——这三根支柱正是我如此享受学术生涯的原因。

所以这就是我的存在危机。我会找到应对它的办法。但它也是我们作为一个共同体的危机，我们都需要把它解决。

后续笔记

2026年5月19日：Google-IO，发布 Gemini for Science；另见 Engadget 上的文章。实验室：https://labs.google/science/