你有没有干过这种事——
手头堆着十几篇论文看不完，顺手扔给AI：
“帮我总结一下核心观点。”
然后AI叭叭叭吐出一段，你复制粘贴，完事。
如果你干过，接下来的内容，可能会让你后背一凉。
康奈尔大学和谷歌联手，搞了一场“AI读论文”的盲测。
结果出来了——
AI可能根本没读懂。
它只是在装懂。
01. 这场测试，狠在哪儿？
研究人员干了一件很损的事。
他们先挑了一个连科学家都经常吵架的领域：
高温铜氧化物超导体。
这玩意儿，人类研究了30多年，论文堆成山，到现在还没扯清楚。
然后，他们往数据库里塞了1726篇相关论文。
接着，他们出了67道题。
注意，这不是那种“本文主要研究了什么”的傻瓜题。
而是需要——
综合多个研究的结论，
判断学术争议的对错，
甚至要做点科学推理。
说白了：这题是给科学家出的，不是给AI玩的。
02. 参赛选手：五大AI + 12个真人
他们把市面上能叫上名字的AI全拉来了：
ChatGPT-4
Claude 3.5
Perplexity AI
Gemini Advanced 1.5 Pro
NotebookLM
然后又找了12个真正的科学家。
玩法更狠：
盲评。
12个专家只看答案，不知道是人写的还是AI写的。
就像《蒙面歌王》，只听声音不看脸。
03. 结果：AI露馅了
先说好消息。
能“读论文”的AI，确实比只会搜网页的AI强。
比如NotebookLM这种，允许你上传论文的，回答问题时明显靠谱。
因为它是在你给的资料里找答案，不是去网上瞎编。
但坏消息更扎心。
AI最大的死穴：看不懂图。
搞科研的人都知道，论文里最值钱的不是文字，是图——
曲线图、相图、实验照片、统计表……
很多结论，都在图里藏着。
但AI到了这儿，直接翻车。
它能复述文字结论，但你要它解释“这张图的纵坐标为什么取对数”——
它就开始胡扯了。
研究人员直接撂了一句狠话：
“理解可视化数据，是科学家最基本的素养。现在的AI，在这一项上，不及格。”
04. 更尴尬的：AI会自己编论文
这才是让学术界最慌的地方。
测试里发现，有些AI回答问题时，会——
引用根本不存在的论文，
拼错参考文献的作者名，
把复杂的学术争论简单化、甚至歪曲化。
说白了：
它编得像真的一样。
康奈尔大学的那位教授（原谅我一时没记住他全名，反正挺长）在接受采访的时候说了一句话，我觉得特别到位：
“AI就像一个特别自信的实习生，你问什么他都能接上话，但你回头一查，他说的有一半是瞎编的。”
在学术界，一个错误引用，能把整篇研究带沟里去。
05. 科学家开始怕了
现在学术界有个趋势：
越来越多研究生在用AI读论文、写综述。
如果AI在引用上出错，
如果AI理解错了图表，
如果AI把A和B两个矛盾的观点强行捏在一起——
这些错误，可能会像病毒一样，在论文里不断复制、传播。
有人已经开始担心一个更极端的未来：
AI写论文 →
AI读论文 →
AI引用AI写的论文 →
最后人类科学家成了旁观者，看着一堆机器在那里自说自话。
到时候，
科学研究会不会变成一场“机器之间的对话”？
而人类，根本不知道真相在哪儿就偏离了。
06. 最扎心的那句话
研究团队在论文最后，写了一段话，我看了好几遍：
“AI在提取信息方面表现不错，但在理解科学推理方面仍然有限。”
翻译成大白话：
它能认字，但不一定懂科学。
07. 写在最后
当然，我不是说AI没用。
它确实能帮我们省时间，快速翻文献、找资料。
但如果你指望它替你“理解”一篇论文——
那你可能要失望了。
有些东西，比如：
怀疑、直觉、争论、灵感……
可能真的，暂时还只属于人类。
（评论区聊聊：你有没有被AI“编”过？我用它写论文，它给我造了一篇假文献……）
热门跟贴