Nature：22万份调查，用AI撰写论文的博士生不太可能留在学术界

当人工智能能在几秒钟内写出一段流畅的论文摘要，越来越多博士生开始让它“代笔”。但这背后，可能藏着一个意想不到的职业信号。

美国国家经济研究局的研究团队分析了超过22.6万名美国理工科博士毕业生的学位论文。他们发现，用AI撰写论文摘要的博士，进入学术界的可能性明显更低。

这项研究尚未经过同行评审，但它揭示的趋势已经在学术界引发热议。

毕竟，博士生是未来科研队伍的主力军。

研究时间跨度从2019年1月到2026年5月，几乎完整覆盖了生成式AI从无到有、迅速普及的全过程。

2022年底，ChatGPT横空出世，此后各类大语言模型迅速走进校园。博士生群体，自然也成了最早一批尝鲜者。

三成博士论文摘要出自AI之手

研究团队借助一款名为Pangram的AI文本检测工具，逐一判断论文摘要是否由AI撰写。

这一工具只区分“AI撰写”和“非AI撰写”两类。论文合著者、经济学家丹尼尔·格罗斯表示，被标记为AI撰写的摘要中，约九成被判定为完全由AI生成。

数据显示，AI生成的文本最早在2023年出现在样本中，当时占比仅为1.7%。

到了2025年，这一比例跃升至18.8%。2026年前五个月提交的论文中，比例已达29.4%。

这样的增速，几乎与AI工具在社会上的普及曲线同步。可以预见，这一比例未来还会继续攀升。

换句话说，短短三年间，AI写摘要从零星个案变成了近三成博士的“标配”。

这一变化速度，远远超出了许多导师和高校管理者的预期。

不同学科之间差异明显。数学和计算机科学领域使用率最高，36%的摘要由AI撰写。

这或许并不意外。这些领域的研究者本身就更熟悉AI工具，也更早接触到大语言模型。

相比之下，一些依赖实验操作的学科使用比例相对较低。但几乎没有哪个领域能完全置身事外。

摘要虽然只是论文中短短的一段，却是读者了解研究的第一扇窗口。它的写作质量，往往体现作者提炼和表达研究成果的能力。

用AI写摘要的人，更少留在学术圈

研究团队随后借助职业社交平台领英，追踪了这些博士毕业生的去向。

这相当于把论文写作习惯与职业选择放在一起比对。

结果显示，在美国完成本科学业的毕业生中，用AI撰写摘要的人进入学术界的可能性，比未使用者低17%。

与此同时，他们进入产业界的可能性高出16%。

不过，对于在美国以外完成本科学业的毕业生，这种关联要弱得多。

一种可能的解释是，国际学生面临的签证和就业环境不同。他们的职业选择，往往受到更多外部因素影响。

格罗斯认为，在博士训练中依赖AI构建论点，可能会削弱独立思考和批判性写作能力。

他提出了一个尖锐的问题：如果学生只完成一半工作，另一半交给AI，他们还能具备成为优秀科学家所需的深度理解力吗？

格罗斯还提出另一种可能：计划离开学术界的学生，本来就更愿意使用AI。因为他们认为，自己的论文不太会因此受到严格评判。

这意味着，到底是AI让人离开学术圈，还是想离开的人更爱用AI，目前还无法分清。

这正是统计学中常说的“相关不等于因果”。要厘清其中的因果关系，还需要更精细的研究设计。

相关不等于因果

研究者坦言，这项研究无法确定AI辅助写作是否削弱了研究能力，也无法解释它为何与进入学术界的可能性降低相关。

AI检测工具本身也存在误判的可能。一些写作风格规整的人类文本，有时会被误认为出自AI。

也有学生会用AI翻译或润色自己写好的文字，这类情况同样可能被检测为AI生成。这些都会给研究结论带来一定误差。

澳大利亚悉尼科技大学研究人员卡米尔·迪克森-迪恩指出，个人选择、就业市场和薪资水平，同样会影响博士的职业走向。

学术职位数量远少于产业界岗位，而产业界的薪酬通常更高。在生活成本不断上升的背景下，工作繁重的学术职业吸引力正在下降。

新南威尔士大学的工程师刘安则从研究方法角度分析了AI的作用。他认为，关键在于AI被用来做什么，而不是用没用。

用AI润色语言、检查语法，与让AI替自己组织论证、提炼观点，性质截然不同。

这项研究也给高校敲响了警钟。博士培养的核心，是训练独立开展研究、清晰表达思想的能力。

如果写作这一环节被大量外包给机器，培养体系可能需要重新思考如何评估学生的真实能力。

一些大学已开始制定AI使用规范，要求学生在论文中披露AI的使用情况，并明确哪些用途被允许。

不少学术期刊也要求作者声明是否使用了AI工具，并规定AI不能被列为论文作者。学术界正在逐步摸索AI时代的新规则。

对博士生个人而言，AI是一把双刃剑。它能提高效率，却也可能让人错过在反复修改中锤炼思维的机会。

许多资深学者回忆，正是在一遍遍推敲文字的过程中，他们才真正理清了研究思路。写作本身，就是思考的一部分。

学术写作的价值，从来不只是把文字写出来，而是在写的过程中把问题想清楚。

当三成博士论文摘要已由AI生成，学术界需要回答的，已不再是要不要用AI，而是如何在用AI的同时守住思考的深度。