人工智能（AI）的浪潮正沖擊著各行各業(yè)的堤岸，即便是向來被視為“高精尖”堡壘的科學(xué)界，也難以在這場變革中獨善其身。那么，究竟哪些科研崗位面臨被浪潮吞沒的風險？

《自然》網(wǎng)站2月21日刊載了一項最新研究，調(diào)查了40余位學(xué)界與業(yè)界AI使用者。許多人坦言，AI的崛起已顯著降低了對編寫代碼、處理基礎(chǔ)數(shù)據(jù)人員的需求——這類工作以往多由研究生、博士后或非科班出身者承擔；計算機建模等領(lǐng)域的初級崗位也岌岌可危，因為AI在此類任務(wù)中的表現(xiàn)遠超初出茅廬的科學(xué)家；科學(xué)論文翻譯等周邊工作的生存空間也在萎縮。正如美國弗吉尼亞大學(xué)經(jīng)濟學(xué)家安東·科里內(nèi)克所言，涉及“純認知任務(wù)”的工作將首當其沖，這類與科研密切相關(guān)的工作，或?qū)⒈籄I迅速接管。

學(xué)界普遍認為，那些需要動手操作的實驗職位，以及統(tǒng)籌項目的資深科學(xué)家，目前尚處“安全區(qū)”。但也有研究者警示，即便在這些高門檻領(lǐng)域，AI也正在奮起直追，漸行漸近。

對建模和數(shù)據(jù)處理崗影響較大

研究人員早已習慣利用AI潤色論文、梳理文獻。但受訪者一致認為，AI在代碼生成與數(shù)據(jù)處理上的能力，對科學(xué)就業(yè)市場的沖擊最為劇烈。

譬如，部分學(xué)術(shù)實驗室曾專門聘請程序員編寫科研代碼包。對此，美國斯坦福大學(xué)計算生物學(xué)家布萊恩·海伊直言，隨著AI問世，此類工作已成“昨日黃花”。那些專注于創(chuàng)建模擬與分析數(shù)據(jù)的崗位，如今皆可由AI代勞。

更深遠的影響在于，即便尚未引發(fā)大規(guī)模裁員，AI已開始抑制新崗位的誕生。美國威斯康星大學(xué)麥迪遜分校計算生物學(xué)家漢娜·斯蒂爾感慨，若她5年前組建實驗室，聘請研究程序員是題中之義；但如今，AI足以勝任繁重的編碼工作，此舉或再無必要。

美國得克薩斯大學(xué)奧斯汀分校材料工程師魯南姝對此深表贊同。她表示，在招聘研究生助理與博士后時，團隊愈發(fā)謹慎，既有經(jīng)費不確定性的考量，亦因AI能分擔部分工作。

然而，隱憂亦隨之浮現(xiàn)。有科學(xué)家警示，若本科生、研究生及技術(shù)人員無法在實驗室得到充分鍛煉，恐對科研界造成長期負面影響，因為這些崗位本是通往更高科學(xué)職位的階梯。得克薩斯大學(xué)奧斯汀分校計算生物學(xué)家克勞斯·威爾克認為，眼下雖能以更低成本獲得更多產(chǎn)出，但代價或許是人才梯隊的斷裂。

已有證據(jù)表明，AI已導(dǎo)致某些科學(xué)相關(guān)領(lǐng)域的人員失業(yè)。隨著AI翻譯器的普及，美國翻譯協(xié)會科學(xué)與技術(shù)部門的會員數(shù)，在不到兩年半時間內(nèi)銳減26%。部分譯者被迫轉(zhuǎn)型。例如，北卡羅來納州的海梅·拉塞爾，此前的工作是翻譯臨床試驗文件，如今已轉(zhuǎn)型為醫(yī)療口譯員，負責醫(yī)患間的口頭傳譯。談及昔日同行，有人甚至轉(zhuǎn)行外賣騎手，令她唏噓不已。

AI難以勝任高階任務(wù)

盡管如此，大多數(shù)研究者認為，AI仍難以勝任科學(xué)家的高階任務(wù)，譬如判斷哪個想法值得深究。英國倫敦大學(xué)學(xué)院量子物理學(xué)家喬納森·奧本海姆常讓AI模擬同行評審，盡管他覺得AI提供的批評大有裨益，但他斷言：AI無法真正提出新穎的見解。

即便對AI生成創(chuàng)意持樂觀態(tài)度的受訪者，也認為人類不可或缺。美國威斯康星大學(xué)麥迪遜分校計算機科學(xué)家卡魯·桑卡拉靈尕姆認為，構(gòu)思研究方向的最佳方式是人機協(xié)作，因為生成假設(shè)需要人來設(shè)計提示詞。而且，人類的參與也可防止AI“幻覺”，即系統(tǒng)虛構(gòu)輸出的弊端。

然而，科里內(nèi)克堅持認為，即便高階科研崗，若專注于認知領(lǐng)域，在AI的沖擊下亦顯脆弱。他預(yù)言，數(shù)學(xué)家明年將受波及，不過數(shù)學(xué)界對此尚存異議。

實驗人員處境暫時安全

相比之下，實驗室技術(shù)員與從事“濕實驗”的早期研究人員，目前處境較為安全。AI與機器人驅(qū)動的自動化實驗室，仍難以完成諸多精細任務(wù)，更遑論解讀復(fù)雜結(jié)果。奧本海姆表示，在相當長時期內(nèi)，AI難以對實驗者的工作產(chǎn)生較大沖擊。

美國弗吉尼亞大學(xué)科學(xué)家開展的一項最新研究也令人稍感寬慰。盡管AI技術(shù)風起云涌，部分崗位依然堅挺。例如，AI工具“阿爾法折疊2”雖能勝任從推斷氨基酸序列到精準預(yù)測蛋白質(zhì)結(jié)構(gòu)等諸多繁瑣任務(wù)，但研究發(fā)現(xiàn)，人工密集的蛋白質(zhì)結(jié)構(gòu)成像法仍被沿用。許多蛋白AI依然難以精準識別，仍需人工分析。這表明AI并未令科學(xué)家變得無關(guān)緊要，他們可以轉(zhuǎn)而解決人類具有“比較優(yōu)勢”的難題。

研究者強調(diào)，這種靈活應(yīng)變的能力，或許正是科學(xué)的未來，適應(yīng)變革者將在新時代中尋得生機。