留给我们什么?第二学术:反对人工智能导致的研究退化
摘要
本文认为,生成式人工智能可能通过侵蚀形成学术判断和信任的实践来降低研究质量,并倡导重新致力于将研究视为一种不可自动化的活生生的实践。
arXiv:2607.04049v1 Announce Type: new
摘要:我们认为,生成式人工智能可能通过侵蚀那些形成学术判断和建立学术信任的实践本身,从而导致研究退化。这些实践作为知识生产和验证的构成性条件,不能简化为研究最终输出——而这正是人工智能有效模拟的对象。因此,当研究人员将探究的核心任务委托给大型语言模型等系统时,他们可能不再践行这些实践,从而失去这些实践所提供的修养。由人工智能生成的单个研究成果看上去可能有所改善,但其背后的研究者却未能得到发展。针对这一风险,仅仅让人类作为人工智能输出的提示者或质量检查者留在循环中,不足以将研究保留为智力修养的场所。相反,我们需要重新致力于将研究视为一种活生生的实践,在这种实践中,判断是通过逐渐的、常常是摩擦性的过程以及对学术共同体的参与而形成的。我们捍卫这一观点,因为它基于研究的四个不可自动化的来源与保障:隐性知识、个人承诺、社会化以及深度阅读。这一实践实现了我们所谓的第二学术,即对学术技艺的重新占有,这种占有关键源于对生成式人工智能能做什么和不能做什么的批判性体验。那些不能也不应被委托的任务,正是研究共同体必须珍视并为之负责的——这就是留给我们的东西。
查看缓存全文
缓存时间: 2026/07/07 04:35
# 留给我们的是什么?第二次学术实践——反对人工智能对研究的侵蚀 来源:https://arxiv.org/abs/2607.04049 查看PDF (https://arxiv.org/pdf/2607.04049) > 摘要:我们认为,生成式人工智能可能通过侵蚀学术判断形成和学术信任建立的基本实践,从而损害研究品质。作为知识生产与验证的构成性条件,这些实践无法被简化为研究的最终产出——而这恰恰是人工智能最擅长模拟的部分。因此,当研究人员将探究的核心任务委托给大语言模型这类系统时,他们可能停止践行这些实践,从而失去这些实践所提供的塑造过程。由人工智能生成的单个研究成果或许看起来更为出色,但背后的研究者却未能获得成长。面对这种风险,仅将人类保留在循环中作为提示者或质量检查员,不足以将研究保留为智力形塑的场域。我们需要的,是对研究作为一门活生生的实践的重新承诺——在这种实践中,判断力通过逐步摩擦与学术共同体的参与而缓慢形成。我们捍卫这一立场,因为它建立在四个不可自动化的研究基础与保障之上:隐性知识、个人承诺、社会化、深度阅读。这一实践实践了我们所谓的"第二次学术",即对学术技艺的重新占有,这种占有源于对生成式人工智能能与不能之事的批判性体验。那些不能也不应该被委托的事物,恰恰成为学术共同体必须珍视并为之负责的东西。这就是留给我们的。 ## 提交历史 来自:Claudio Novelli [查看电子邮件](https://arxiv.org/show-email/f93f1bb7/2607.04049) **[v1]** 2026年7月4日星期六 22:45:23 UTC (454 KB)
相似文章
左翼支持人工智能的理由
本文概述了支持人工智能的左翼视角,强调了其在改善残疾人无障碍访问和慢性病管理方面的益处,同时对反人工智能情绪的政治倾向提出了批评。
我们还能做什么工作?
ICML特邀演讲认为,AI是一种增强技术而非纯粹自动化,建议研究人员和开发者将重点转向评估、概念进步和领域技能。
为何我反对生成式AI及其所代表的一切
作者认为生成式AI是有害的,指出其使用了窃取的训练数据、在传播虚假信息中的作用,以及体现了剥削性资本主义,同时将其与传统机器学习区分开来。
生成式AI的认知可信度:高风险工作流中合理依赖的规范性框架
本文提出了一个规范性框架,用于判断在何种条件下,对生成式AI输出的依赖在认知上是合理的。该框架基于三个条件:认知谦逊、认知可及性,以及对认知不公正的抵制。文章分析了法律、医疗和招聘场景中的真实案例。
抵制“AI”
文章认为,尽管AI有用,但由于环境、智力和人力成本,它对个人、组织和社会有害,并呼吁在解决这些危害之前进行抵制。