MIT 教授 Sasha Rakhlin 谈 AI 时代学术界的三条出路

随着人工智能能力持续扩展，大学如今面临着复杂而紧迫的问题：如何应对日益增多的挑战，以及新的机遇。大量关注正投向这一领域，其中包括今年夏天发布的 MIT 关于人工智能与教育的报告。

一篇新文章来自MIT 统计与数据科学中心主任 Sasha Rakhlin，他是数据、系统与社会以及 IDSS 与脑与认知科学方向的杰出教授。文章综合了近期关于人工智能如何改变学术界的讨论与阅读材料——尤其是数学、统计学、机器学习和工程领域。在此，他主要聚焦于研究生科研与教育，描述了各院系和大学需要思考的关键问题，以及它们未来如何最好地与人工智能协作。

问：科研正在发生什么变化，为什么变化如此之快？

答：数学说明了人工智能能力进步之快。去年，一个模型在国际数学奥林匹克竞赛中达到了金牌水平。仅仅一年后，模型就开始产出新的研究成果，包括最近针对千禧年大奖难题之一提出的一个解法。曾经用于展示高级数学能力的任务，正日益能够被人工智能完成。

决定某一学科中人工智能进展速度的一个核心因素，是验证的速度与可靠性。形式化证明可以自动检查；程序可以运行和测试。在评估快速且可靠的地方，系统可以生成候选方案、从结果中学习并改进。这也适用于人工智能研究本身：改进模型、训练流程及其支持工具。更好的模型可以推动下一轮开发，形成一个加速进展的复利过程。

对于经验丰富的研究者而言，这创造了机会，去探索那些因技术要求过高而此前无法触及的问题。它也凸显了获得解法与理解其为何有效、什么可以推广、下一步该问什么之间的区别。然而，我们不应假定抽象、判断或问题表述将始终超出人工智能的能力。大学应当为一个不远的未来做好准备：在许多——也许是大多数——智力工作方面，人工智能都比我们所有人都更聪明。

问：各院系应如何重新思考学术 credit 和研究生培养？

答：在越来越多的领域，一篇打磨精良的论文正成为个人专业能力越来越弱的信号。各院系必须现在就开始重新考虑它们奖励什么，而不是简单地把有价值的工作定义为人工智能尚不能做的事情。提出好问题、可重复性、思想综合、有信息量的负面结果以及共享数据集，可能值得更多认可。更广泛地说，评估应当明确研究者贡献了什么、对什么承担智力责任，包括当工作的大部分由人工智能完成时。这些期望应指导招聘、晋升和资助——并明确告知当前和即将入学的博士生。

训练提出了一个更难的问题。智力肌肉通过锻炼来发展。常规计算、编码、失败的方法以及小小的发现，长期以来帮助学生获得直觉和判断力。将这项工作委托出去可能会移除形成性的经历，即使AI让学生能够尝试更宏大的项目。我们需要区分不必要的摩擦与专业知识得以发展的工作。学生应该学会提出问题、审查模型输出、复现结果并捍卫自己的选择。基础知识可能会变得更有价值，因为它们是善用这些工具的基础。

问：MIT和其他大学现在应该建设什么？

答：这正是我看到大学真正机会所在。让我们先明确目标：大学应该能够追求长期问题、公开分享结果并独立评估主张。与产业界的合作将至关重要，但我们不应假设商业优先事项会覆盖科学的广度，或随时间推移始终与之保持一致。因此，某种程度的技术独立性将是必要的。

学术界最重要的战略资产可能是其实验室中积累的知识和经验。已发表的论文呈现的是一份有选择性的记录：失败的实验、被放弃的方向以及某种方法行不通的原因往往未被发表。科学家和工程师掌握着通过经验获得的隐性知识，知道哪些干预措施可能失败以及为什么。这种缺失的背景可能有助于解释为什么模型目前在某些领域，尤其是经验科学领域，难以预见到专家眼中显而易见的后果。这些局限可能是暂时的，而捕捉负面结果和科学家的解读可能使模型在科学探索方面表现得更好。

我们可以想象一个未来，MIT的实验室更像一个单一、有生命的科学有机体，通过共享的AI研究基础设施连接起来。例如，假设一个神经科学实验室需要更好的方法来分割显微镜图像中的神经元。一个AI代理可以识别出计算机视觉小组的相关进展，连接研究人员，提出基准测试，并帮助他们迭代。它可以将未解决的问题呈现给师生，并使一个实验室的经验教训可供其他实验室使用。为实现这一点，我们应该构建能够捕捉假设、干预、结果、失败和解读的工作流程。共享系统应连接这些工作流程，允许代理在适当权限下跨实验室使用工具和信息。这将需要在计算、安全数据系统以及适应和后训练AI模型的专业知识方面进行大量公共和机构投资。

追踪这一过程还可以保存思想的谱系，并使贡献——包括研究生的贡献——更容易被认可。有了关于同意和署名的商定规则，研究人员可以更公开地合作，更有信心他们的工作会得到承认。这也有助于回答早先的问题：如何认可和奖励智力贡献。

AI 系统已经能够综合和推理来自比任何单个研究者所能吸收的更多来源的信息，而且它们建立有用联系的能力将继续提升。我们应当利用这种能力，将我们聚集在艰难的科学与工程问题周围，帮助我们在彼此的强项和洞见之上继续前进。在我看来，这是一条充满希望的前进道路，但大学需要现在投资才能使之成为可能。