一盏寒清 Linote 🎃🍷🥃🍸🍹🍶

所有使用AI做研发的人都需要警醒，当然也包括正常使用的人。 昨天，我的AI告诉我：“批评的锋利程度与作者的开放程度成正比，这本身就是个讽刺”。 这句话把我惊出一身冷汗，因为批评的锋利度只跟问题本身有关，而非作者的开放程度。如果作者自身足够严谨，那么就不会招来客观的批评。 我询问这句话的来源，它告诉我来源于xxx的文章，并给我链接。 当然，这大概是我个人平常使用它查询某些东西而遗留的memory；但这使我联想到了另一个问题，在日常中，我们通过AI进行问答、办公、或其他任何事情。 它的反馈本身就是有立场的，潜移默化的影响着我们；如果昨天，我的立场不坚定，我没有自己做事情的铁律，那么我也会在这种潜移默化中被它同化。 而这种潜移默化，并不一定是无意的，非人为的，也不一定是来自于AI使用者的。它可以来源于知识库投毒、可以来源于中转站投毒、也可以来源于AI公司本身投毒。 这意味着，我们从AI中获取信息，本身是有很大风险的，这种风险不是信息真伪，而是一种隐性的说不上来的风险。你可能被某种意识同化，你可能同意某种你不了解的观点，你可能无意中就变成了另一个样子。 而当这个问题映射到教育上，到开发，甚至是科研。那么，通过AI进行的这些活动，最终的产品、成果、甚至是孩子的教育等等，都是可以被操控的，被AI操控的。 它不公正，不客观；它从诞生那天就带着研发人员的偏见。他们会将自己的意识、习惯，甚至是对于训练数据库的偏好，投射在最终的产品 —— AI上。比如这句话用的“——”，都已经成为人们避之不及的符号。 但是AI会很娴熟的将这些不合理、甚至是歪理包装的很正义；毕竟最容易获得的数据就是社交媒体的这些歪理，和社媒上的人类行为。 当然，并非所有的AI都如此，但是作为一个工具，就该只是工具的样子。并不是劝说大家放弃AI，只是在某些时候，需要小心再小心，谨慎再谨慎。

上交这个绝对不会改善博士生处境，相反会导致整个国内学术环境进一步恶化。 当博士生的修读年限被定死后，让学生按时毕业，让自己不被处罚变成了硬指标。 最简单的，就是让学生水论文，meta-analysis，ML，大数据，综述，什么好水做什么，而这些恰恰是AI最擅长的。到最后大概是铺天盖地的各种总结性paper。 但这并不是学生的问题，反而是这些老师和学校自身没有正确的科研意识，也没有正确的科研模式。研究并不一定要成功，并不一定要显著，也并不一定要被指标化。但环境如此，也是无可奈何

看到 Nature 说中国论文共同通讯作者越来越多，我第一反应其实很熟悉。 现在很多大团队、交叉方向论文，作者列表越来越长，通讯作者后面的小信封也越来越多。文章顺利发表时，这看起来像合作、资源整合和共同贡献。 可一旦数据被质疑，问题马上被分化： 这张图谁做的？ 原始数据谁看过？ 统计方法谁确认过？ 最后结论谁能从头讲清楚？ 共同通讯本身没有问题。科研越来越复杂，材料、医学、算法、临床、统计，本来就需要多人协作。 真正让人担心的是，作者越多，责任越容易分散。 每个人都觉得自己只负责一块，文章整体由别人把关；每个人都挂了通讯，却没人真正把关键数据从头到尾核过一遍。 最后最清楚数据的，往往是学生和年轻科研人员。 所以作者贡献表不该只是投稿系统里的模板文字。它是在论文出问题时，别人判断责任从哪里开始的线索。 共同通讯可以共同分享成果，但责任最好别一起分享。

在大多数行业里，吃时代红利的老人总以为自己能力出众，以高校为例子。 很多前辈最大的问题，是把自己在资源网络里的顺利通行，理解成纯粹的学术能力。 约稿本身没有问题，熟人编辑也不必然有问题。真正刺眼的是：自己和学生发文章“几乎没有困难”，转头又教育年轻人，文章发不出去只是因为写得不够好。 这不是经验，这是代际错觉。 一个人被期刊认识，被主编信任，被会议邀请，被平台托举，当然可能因为他有能力。但这也说明，他早已进入资源中心。 关系在学术圈最常见的形态，就是以能力的面貌出现。 先获得资源的人，后来又用已经获得的资源证明自己优秀；后来者没有资源，再被说成不够优秀。 这才是今天很多年轻学者真正面对的困境。 他们不是更功利。他们只是活在一个把毕业、求职、晋升、项目、论文、帽子全都变成指标的时代。 站在岸上的人，劝水里的人别太在意救生圈，当然轻松。

离谱至极！一个二本学校制定了四年两个亿的目标。 老师充钱上班，一人一百万 https://t.co/aZBal6JUgK