|
|
来源:科技日报 * `6 }- R1 [% H8 j
图片来源:英国《自然》网站+ N% j% K1 J! o' E. X* ^
【科技创新世界潮】
1 f8 O/ w; | x) {/ {◎本报记者 刘 霞( S# s4 x' t1 ?7 v, [5 n" B
人工智能(AI)的浪潮正冲击着各行各业的堤岸,即便是向来被视为“高精尖”堡垒的科学界,也难以在这场变革中独善其身。那么,究竟哪些科研岗位面临被浪潮吞没的风险?$ `9 m7 w4 @0 B9 f& e
《自然》网站2月21日刊载了一项最新研究,调查了40余位学界与业界AI使用者。许多人坦言,AI的崛起已显著降低了对编写代码、处理基础数据人员的需求——这类工作以往多由研究生、博士后或非科班出身者承担;计算机建模等领域的初级岗位也岌岌可危,因为AI在此类任务中的表现远超初出茅庐的科学家;科学论文翻译等周边工作的生存空间也在萎缩。正如美国弗吉尼亚大学经济学家安东·科里内克所言,涉及“纯认知任务”的工作将首当其冲,这类与科研密切相关的工作,或将被AI迅速接管。
& S2 |+ b; o; L" i1 Y$ X学界普遍认为,那些需要动手操作的实验职位,以及统筹项目的资深科学家,目前尚处“安全区”。但也有研究者警示,即便在这些高门槛领域,AI也正在奋起直追,渐行渐近。8 _. J: h& T: v) p
对建模和数据处理岗影响较大
3 B) S. x q: l8 h1 j研究人员早已习惯利用AI润色论文、梳理文献。但受访者一致认为,AI在代码生成与数据处理上的能力,对科学就业市场的冲击最为剧烈。& E4 g9 _: ]1 `) o s1 C
譬如,部分学术实验室曾专门聘请程序员编写科研代码包。对此,美国斯坦福大学计算生物学家布莱恩·海伊直言,随着AI问世,此类工作已成“昨日黄花”。那些专注于创建模拟与分析数据的岗位,如今皆可由AI代劳。! w4 x. V; B% y( ? p1 a: t* s
更深远的影响在于,即便尚未引发大规模裁员,AI已开始抑制新岗位的诞生。美国威斯康星大学麦迪逊分校计算生物学家汉娜·斯蒂尔感慨,若她5年前组建实验室,聘请研究程序员是题中之义;但如今,AI足以胜任繁重的编码工作,此举或再无必要。
! {$ k3 N2 m; u美国得克萨斯大学奥斯汀分校材料工程师鲁南姝对此深表赞同。她表示,在招聘研究生助理与博士后时,团队愈发谨慎,既有经费不确定性的考量,亦因AI能分担部分工作。 F% A$ Q w, G- @3 `# R( X
然而,隐忧亦随之浮现。有科学家警示,若本科生、研究生及技术人员无法在实验室得到充分锻炼,恐对科研界造成长期负面影响,因为这些岗位本是通往更高科学职位的阶梯。得克萨斯大学奥斯汀分校计算生物学家克劳斯·威尔克认为,眼下虽能以更低成本获得更多产出,但代价或许是人才梯队的断裂。
4 I; J4 H$ f7 e+ o$ Z9 s1 ]已有证据表明,AI已导致某些科学相关领域的人员失业。随着AI翻译器的普及,美国翻译协会科学与技术部门的会员数,在不到两年半时间内锐减26%。部分译者被迫转型。例如,北卡罗来纳州的海梅·拉塞尔,此前的工作是翻译临床试验文件,如今已转型为医疗口译员,负责医患间的口头传译。谈及昔日同行,有人甚至转行外卖骑手,令她唏嘘不已。1 Q- W7 Q- l. j# P. Z" K( ^. m
AI难以胜任高阶任务
. L; Q6 Y, Z7 F! j尽管如此,大多数研究者认为,AI仍难以胜任科学家的高阶任务,譬如判断哪个想法值得深究。英国伦敦大学学院量子物理学家乔纳森·奥本海姆常让AI模拟同行评审,尽管他觉得AI提供的批评大有裨益,但他断言:AI无法真正提出新颖的见解。
: V% q5 d2 Z, G5 K" J即便对AI生成创意持乐观态度的受访者,也认为人类不可或缺。美国威斯康星大学麦迪逊分校计算机科学家卡鲁·桑卡拉灵尕姆认为,构思研究方向的最佳方式是人机协作,因为生成假设需要人来设计提示词。而且,人类的参与也可防止AI“幻觉”,即系统虚构输出的弊端。- t- h; K$ S+ c
然而,科里内克坚持认为,即便高阶科研岗,若专注于认知领域,在AI的冲击下亦显脆弱。他预言,数学家明年将受波及,不过数学界对此尚存异议。
( O7 h! g1 |8 Y* [5 ^. b' k实验人员处境暂时安全
6 M4 Y3 `6 v8 T- c0 t. O相比之下,实验室技术员与从事“湿实验”的早期研究人员,目前处境较为安全。AI与机器人驱动的自动化实验室,仍难以完成诸多精细任务,更遑论解读复杂结果。奥本海姆表示,在相当长时期内,AI难以对实验者的工作产生较大冲击。+ f' y5 z+ o3 o- Y
美国弗吉尼亚大学科学家开展的一项最新研究也令人稍感宽慰。尽管AI技术风起云涌,部分岗位依然坚挺。例如,AI工具“阿尔法折叠2”虽能胜任从推断氨基酸序列到精准预测蛋白质结构等诸多繁琐任务,但研究发现,人工密集的蛋白质结构成像法仍被沿用。许多蛋白AI依然难以精准识别,仍需人工分析。这表明AI并未令科学家变得无关紧要,他们可以转而解决人类具有“比较优势”的难题。
2 M/ V, n( X* w8 r* J" H研究者强调,这种灵活应变的能力,或许正是科学的未来,适应变革者将在新时代中寻得生机。 |
|