生成式AI的發(fā)展呈現(xiàn)出一個(gè)有趣的悖論：它能夠完美復(fù)現(xiàn)人類已有的智慧成果，卻始終無法跨越訓(xùn)練數(shù)據(jù)的邊界實(shí)現(xiàn)真正的創(chuàng)新突破。

正是這一特征讓AI與藝術(shù)創(chuàng)作者處在劍拔弩張的關(guān)系中。當(dāng)AI在幾秒鐘內(nèi)模仿藝術(shù)家畢生錘煉的獨(dú)特風(fēng)格時(shí)，一個(gè)緊迫的問題浮出水面：如果給全球AI開發(fā)者設(shè)定一個(gè)必須要遵守的一個(gè)防護(hù)準(zhǔn)則會(huì)是什么？

芝加哥大學(xué)計(jì)算機(jī)科學(xué)Neubauer教授趙燕斌（Ben Zhao）給出了一個(gè)發(fā)人深省的觀點(diǎn)：在追求科研突破的同時(shí)，更需要深入思考技術(shù)可能帶來的實(shí)際社會(huì)后果，這項(xiàng)責(zé)任落在每位科研工作者肩上。

當(dāng)AI正在經(jīng)歷"摩爾式"狂奔時(shí)，我們比以往任何時(shí)候都更應(yīng)思考，如何確保技術(shù)進(jìn)步不會(huì)侵蝕文藝創(chuàng)作這一人類文明的珍貴財(cái)富。

這不僅關(guān)乎技術(shù)的未來，更關(guān)乎人類文化傳承的根本。

芝加哥大學(xué)計(jì)算機(jī)科學(xué)Neubauer教授趙燕斌（Ben Zhao）

數(shù)據(jù)不是“萬能藥”

現(xiàn)在大家都在熱議大模型，關(guān)注參數(shù)規(guī)模和準(zhǔn)確率這些硬指標(biāo)。但說實(shí)話，技術(shù)不能只停留在"能寫會(huì)畫"，更重要的是能真正解決實(shí)際問題，這才是檢驗(yàn)AI價(jià)值的試金石。

我們普遍看到的是，大模型在處理一些專業(yè)問題時(shí)，仍存在準(zhǔn)確性不足的問題，即常說的“幻覺”現(xiàn)象。這使得人工智能要真正融入復(fù)雜的現(xiàn)實(shí)場景，仍面臨諸多挑戰(zhàn)。行業(yè)內(nèi)正嘗試通過引入RAG等技術(shù)路徑，不斷提升模型的可靠性和實(shí)用性。

盡管如此，業(yè)界普遍認(rèn)為，無論是信息檢索還是問答系統(tǒng)，大模型在多個(gè)應(yīng)用場景中已具備替代人工進(jìn)行交互的潛力。一些產(chǎn)品在應(yīng)用大模型后，某些功能確實(shí)已經(jīng)達(dá)到80%左右的可用性，這種"相對(duì)成功"讓整個(gè)行業(yè)都非常興奮。

這就使所有資源和關(guān)注點(diǎn)都集中在現(xiàn)有大模型架構(gòu)上。然而，趙燕斌指出，從目前來看，大模型的能力仍然相對(duì)有限。尤其是在過去兩年，大家不難發(fā)現(xiàn)其實(shí)際應(yīng)用場景并不廣泛，所以短期內(nèi)大模型能在哪些領(lǐng)域?qū)崿F(xiàn)突破，并真正替代人類完成部分工作，仍是存有疑問的。

但業(yè)界普遍傾向于相信“數(shù)據(jù)是萬能鑰匙”，只要訓(xùn)練的數(shù)據(jù)量足夠大，模型就能持續(xù)優(yōu)化，解決各種問題。無論是企業(yè)還是研究機(jī)構(gòu)，似乎都在朝著“更多數(shù)據(jù)”的方向努力。

但從趙燕斌的研究角度來看，目前大模型在結(jié)構(gòu)設(shè)計(jì)上本身存在一定的限制，換句話說，應(yīng)用邊界突破的根源并不只是數(shù)據(jù)不夠多，而在于模型架構(gòu)本身的限制。即使不斷地堆疊數(shù)據(jù)，也無法從根本上解決問題。

未來幾年內(nèi)，這種依賴現(xiàn)有架構(gòu)的方式可能會(huì)逐漸顯露出瓶頸，也許我們需要退后幾步，跳出當(dāng)下的框架，從全新的角度重新思考模型的設(shè)計(jì)邏輯，尋找真正能夠突破現(xiàn)有局限的新架構(gòu)。

“以現(xiàn)在的節(jié)奏，我們可能沒有辦法把這些錯(cuò)誤解決。”趙燕斌說。

當(dāng)然，沿著大模型的發(fā)展曲線，產(chǎn)業(yè)內(nèi)也涌現(xiàn)出一些創(chuàng)新，例如DeepSeek就被視為是一個(gè)重要拐點(diǎn)，雖然它沒有根本性的改變架構(gòu)本身，但是它提出了一個(gè)創(chuàng)造性的方法。

這也讓之前大幅投入在硬件上的企業(yè)開始重新思考自己的戰(zhàn)略方向。今年1月8日，微軟亞洲研究院在arXiv上發(fā)表論文，提出一種創(chuàng)新方法rStar-Math，顯著提升了小語言模型的數(shù)學(xué)推理能力，挑戰(zhàn)了"參數(shù)越大性能越好"的傳統(tǒng)認(rèn)知，為GPU資源有限的機(jī)構(gòu)提供了新思路，實(shí)現(xiàn)“花小錢辦大事”。

在新技術(shù)出現(xiàn)時(shí)，宣傳與實(shí)際落地之間存在落差是一個(gè)共性問題。“趙燕斌認(rèn)為，現(xiàn)在企業(yè)真正將生成式AI應(yīng)用在哪些場景，有多大的效率，目前還不能準(zhǔn)確評(píng)估，只有當(dāng)行業(yè)積累足夠多的實(shí)踐經(jīng)驗(yàn)后，我們才能對(duì)這些技術(shù)的社會(huì)價(jià)值做出客觀判斷。

我們更多時(shí)候看新技術(shù)，往往更關(guān)注積極的一面，但生成式AI是一把雙刃劍的事實(shí)也毋庸置疑，它帶來的風(fēng)險(xiǎn)已不是停留在理論假設(shè)階段，而是正在真實(shí)發(fā)生的現(xiàn)實(shí)。

給創(chuàng)意加一把“鎖”

2016年，當(dāng)AlphaGo以4:1的比分戰(zhàn)勝圍棋冠軍李世石時(shí)，恰逢達(dá)特茅斯會(huì)議首次提出"人工智能"概念，過去整整一個(gè)甲子。彼時(shí)的趙燕斌就已經(jīng)開始專注于解決機(jī)器學(xué)習(xí)和移動(dòng)系統(tǒng)中的安全和隱私問題。

當(dāng)時(shí)的他意識(shí)到，AI技術(shù)將對(duì)社會(huì)產(chǎn)生最深遠(yuǎn)的影響，其已在多個(gè)關(guān)鍵領(lǐng)域快速落地，無論是自動(dòng)駕駛，還是醫(yī)療影像，這些突破性進(jìn)展都令人振奮。

“正因如此，我們最初的研究重點(diǎn)就是如何保護(hù)這些有益的AI系統(tǒng)。”

在生成式AI興起后，趙燕斌開始轉(zhuǎn)向?qū)�抗性機(jī)器學(xué)習(xí)（Adversarial Machine Learning）的研究。由于AI模仿人類創(chuàng)作的能力突飛猛進(jìn)，他帶領(lǐng)團(tuán)隊(duì)開發(fā)出保護(hù)人類創(chuàng)意者免受生成式AI模型潛在危害的工具，這正是為了應(yīng)對(duì)生成式AI技術(shù)逐漸成熟，但倫理規(guī)范尚待完善的發(fā)展階段。

“這是一個(gè)自然的改變。”在趙燕斌看來，人工智能獨(dú)特的算法機(jī)制展現(xiàn)了有意思的一面，但這些精妙的計(jì)算方式恰恰需要從安全角度被重新審視。

2013至2022年間，以分類任務(wù)為主的傳統(tǒng)AI系統(tǒng)，在功能邊界和局限性上相對(duì)明確，人們對(duì)它的表現(xiàn)有著清晰的預(yù)期。然而，自2022年以來，生成式AI展現(xiàn)出完全不同的特性，從文本分析，到輔助完成作業(yè)，對(duì)個(gè)人產(chǎn)生了重大影響，正是這種普適性也使其更具有挑戰(zhàn)性。

所以趙燕斌的科研方向才做出了這樣的轉(zhuǎn)變，以往的研究只需從單一維度出發(fā)，但如今，AI技術(shù)的影響已變得高度復(fù)雜化，需要同時(shí)考慮效率提升等積極影響，以及可能產(chǎn)生的負(fù)面效應(yīng)。

因?yàn)榭蒲械慕Y(jié)果很大程度會(huì)影響未來社會(huì)發(fā)展，這就要求研究者建立更全面的視角。以互聯(lián)網(wǎng)為例，當(dāng)時(shí)的主流觀念認(rèn)為技術(shù)創(chuàng)新本身就是好的，很少考慮其潛在的負(fù)面影響。然而，生成式AI的發(fā)展已經(jīng)展現(xiàn)出完全不同的特征。

我們已經(jīng)可以清晰地觀察到，就業(yè)市場正在發(fā)生結(jié)構(gòu)性變化，年輕一代藝術(shù)專業(yè)學(xué)生開始轉(zhuǎn)型。作為一個(gè)從業(yè)數(shù)十年的計(jì)算機(jī)教授，趙燕斌幾十年來第一次深刻感受到技術(shù)對(duì)跨學(xué)科才來的深刻的變化。

2022年夏天，一些藝術(shù)家主動(dòng)聯(lián)系了趙燕斌的團(tuán)隊(duì)，他們希望了解現(xiàn)有的科研成果，是否可以保護(hù)他們的創(chuàng)作不被大模型濫用。那時(shí)團(tuán)隊(duì)對(duì)藝術(shù)領(lǐng)域并沒有太多的認(rèn)知，對(duì)這一問題也感到意外，但經(jīng)過和藝術(shù)家的深入交流，研究團(tuán)隊(duì)也意識(shí)到生成式AI對(duì)創(chuàng)作者帶來的挑戰(zhàn)遠(yuǎn)比想象的復(fù)雜。

為了解決這些現(xiàn)實(shí)問題，趙燕斌的團(tuán)隊(duì)開始利用對(duì)抗性機(jī)器學(xué)習(xí)針對(duì)藝術(shù)家群體的問題進(jìn)行研究。對(duì)抗性機(jī)器學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)重要分支，專注于研究如何讓機(jī)器學(xué)習(xí)模型在對(duì)抗性攻擊下保持魯棒性。

而現(xiàn)在團(tuán)隊(duì)嘗試?yán)�用這一機(jī)制，通過對(duì)輸入數(shù)據(jù)進(jìn)行微小而有針對(duì)性的修改，從而使模型產(chǎn)生錯(cuò)誤的預(yù)測或分類結(jié)果，達(dá)到“隱身保護(hù)”的效果。這不僅是一次技術(shù)路徑的跨界嘗試，也代表在技術(shù)與倫理的平衡中找到一種新的可能性。

對(duì)抗的藝術(shù)“隱形”

如今藝術(shù)家們正面臨兩難的困境，作品需要放在網(wǎng)上被更多人看到，才可能產(chǎn)生收入，但同時(shí)更多的曝光，可能帶來的就是作品被拿來用于AI訓(xùn)練。這種行為實(shí)質(zhì)上剝奪了藝術(shù)家的創(chuàng)作價(jià)值和經(jīng)濟(jì)來源，甚至可能徹底摧毀其職業(yè)生涯。

趙燕斌團(tuán)隊(duì)開發(fā)的工具正是為了解決這個(gè)核心矛盾：如何在保持必要網(wǎng)絡(luò)曝光的同時(shí)，有效保護(hù)藝術(shù)作品不被濫用，讓創(chuàng)作者能夠安心地在數(shù)字時(shí)代繼續(xù)創(chuàng)作和發(fā)展。

在2020年，趙燕斌的團(tuán)隊(duì)就推出過一款圖像遮蔽工具Fawkes，用來防止第三方根據(jù)網(wǎng)上的公開照片構(gòu)建未經(jīng)授權(quán)的面部識(shí)別模型。

在減輕AI危害的工具的研究上，趙燕斌的團(tuán)隊(duì)已經(jīng)有了豐富的經(jīng)驗(yàn)，并且通過與藝術(shù)家群體的深入交流，2024年又開發(fā)了Nightshade處理視覺藝術(shù)作品，使作品在未經(jīng)同意就被用于AI模型訓(xùn)練時(shí)，能對(duì)模型產(chǎn)生干擾；以及Glaze，用來保護(hù)藝術(shù)家免受風(fēng)格模仿的影響。

這些工具通過計(jì)算在畫作上做出一些改變，經(jīng)過特殊處理的作品，人肉眼并不會(huì)發(fā)覺，保持了其藝術(shù)性，但AI模型在分析這些經(jīng)過處理的畫作時(shí)，會(huì)受到干擾而無法準(zhǔn)確識(shí)別。

Nightshade就好比“在你的午餐中加入辣椒醬，這樣它就不會(huì)從辦公室里的冰箱被偷走”。 Nightshade瞄準(zhǔn)文本提示之間的關(guān)聯(lián)，巧妙地改變圖像像素，誘使大模型解讀出與人類觀看者完全不同的圖像。大模型會(huì)錯(cuò)誤地對(duì)“陰影”圖像的特征進(jìn)行分類，如果使用足夠多的“中毒”數(shù)據(jù)進(jìn)行訓(xùn)練，它們就會(huì)開始生成與相應(yīng)提示完全無關(guān)的圖像。

只需不到100個(gè)“中毒”樣本就能破壞穩(wěn)定擴(kuò)散提示。未經(jīng)修改的蒙娜麗莎圖像和Nightshade處理過的版本對(duì)人類來說幾乎完全相同，但大模型不會(huì)將“中毒”樣本解讀為女性肖像，而是會(huì)將其視為“一只穿著長袍的貓”。

從左至右：蒙娜麗莎；Nightshade處理版蒙娜麗莎；AI“看到”的蒙娜麗莎的陰影版本

“我們利用了人類和AI理解圖像的根本差異。”趙燕斌說，人們欣賞畫作依靠整體審美，而AI依賴數(shù)據(jù)特征分析。我們通過針對(duì)性調(diào)整畫作的數(shù)字特征，在不改變視覺效果的前提下，使AI模型難以獲取有效信息。

這種方法讓藝術(shù)家可以安全地在網(wǎng)上展示作品，既保持曝光度，又降低被AI盜用的風(fēng)險(xiǎn)。自2024年1月發(fā)布以來，Nightshade的下載量已超過250萬次，Glaze自2023年3月發(fā)布以來下載量達(dá)到760萬次。

與Nightshade類似，Glaze工具可以扭曲大模型的“觀看”和判斷藝術(shù)風(fēng)格的方式，防止其模仿藝術(shù)家的獨(dú)特作品。人類可能會(huì)看到一幅“釉面”逼真的炭筆肖像，但大模型會(huì)將其視為抽象畫，然后在被要求繪制精美炭筆肖像時(shí)，生成雜亂無章的抽象畫。

從左至右：Karla Ortiz的原創(chuàng)作品；同一作品采用“低”隱身設(shè)置后的效果；同一作品采用“高”隱身設(shè)置后的效果

從左至右：Karla Ortiz的原創(chuàng)作品；AI模型創(chuàng)作的抄襲作品；隱藏原始藝術(shù)作品后AI生成的圖像

這一研究成果讓趙燕斌非常有價(jià)值感，因?yàn)檫@在保護(hù)人類創(chuàng)造力這一核心價(jià)值上具有重要意義。他說，創(chuàng)造力是人類區(qū)別于其他生物的本質(zhì)特征，而藝術(shù)家、作家、音樂家等創(chuàng)意工作者正是這種創(chuàng)造力的重要代表。

保護(hù)這些創(chuàng)意人才，就是在守護(hù)人類文明的源泉。即便這項(xiàng)技術(shù)只能幫助少數(shù)創(chuàng)作者維護(hù)權(quán)益，就已經(jīng)很有價(jià)值。若能擴(kuò)大保護(hù)范圍，其社會(huì)影響力將更為深遠(yuǎn)，因?yàn)檫@關(guān)系到人類文化生態(tài)的健康發(fā)展。

創(chuàng)意是AI發(fā)展的“原力”

對(duì)于創(chuàng)意產(chǎn)業(yè)，生成式AI的到來已經(jīng)有了非常多的負(fù)面影響。只需幾秒鐘，生成式AI就能生成一本看似專業(yè)的書籍，或是搭建一個(gè)內(nèi)容豐富的網(wǎng)站。但這些作品往往只是文字的堆砌，缺乏真正的思想和價(jià)值。

如今，在亞馬遜等平臺(tái)上，已經(jīng)涌現(xiàn)出大量由AI改寫而成的"新書"，創(chuàng)作者只需對(duì)現(xiàn)有作品稍作修改，就能宣稱是自己的原創(chuàng)。更令人擔(dān)憂的是，這些AI生成的內(nèi)容正充斥在網(wǎng)絡(luò)中，讓真實(shí)有價(jià)值的信息變得越來越難被“看見”。

那些花費(fèi)一輩子打磨個(gè)人風(fēng)格的畫家，可能在一夜之間自己的藝術(shù)特色就被AI完美復(fù)制，而且這些被竊取的藝術(shù)風(fēng)格，任何人都可以隨意使用。

年輕的藝術(shù)學(xué)生們看到這樣的情況，開始擔(dān)心如果繼續(xù)學(xué)習(xí)，未來是否能保證生機(jī)。藝術(shù)院校也因此受到嚴(yán)重沖擊，40%-50%的學(xué)生看不到未來，轉(zhuǎn)而學(xué)習(xí)其他技能，這導(dǎo)致一些擁有百年歷史的藝術(shù)學(xué)院因此關(guān)閉。

生成式AI已經(jīng)打亂了他們的未來，他們甚至懷疑：在AI時(shí)代，投入畢生精力追求藝術(shù)夢想是否還有意義？

趙燕斌的團(tuán)隊(duì)與全球的藝術(shù)家建立起交流渠道，幾乎每天都會(huì)展開探討。最初，趙燕斌也沒有想到，他們的研究能產(chǎn)生這么大的關(guān)注和影響。

大部分藝術(shù)家的需求其實(shí)只有一點(diǎn)，就是不希望人工智能干擾他們的正常生活，他們只希望繼續(xù)創(chuàng)造作品，全情的投入在創(chuàng)作中。

“在人工智能產(chǎn)出的作品越來越逼近人類作品時(shí)，真人的作品就更具價(jià)值。”趙燕斌認(rèn)為，一張作品不僅需要好看，還需要有個(gè)人的意義和情感深埋其中，人工智能只能做到畫面的顏色、結(jié)構(gòu)等看起來是不是有美感。

在中國，我也接觸過一些AI藝術(shù)家，他們通過AI生成出自己的創(chuàng)意，并對(duì)生成的內(nèi)容進(jìn)行二次創(chuàng)作，最終產(chǎn)出作品。但是他們用AI輔助創(chuàng)作的作品也正在被拿來抄襲，這是一件非常有趣且值得深思的現(xiàn)象。

生成式AI得模仿能力非常強(qiáng)，如果大家都互相模仿，未來我們看到的所有內(nèi)容可能都是“千篇一律”的風(fēng)格和感覺，從創(chuàng)新角度來說是災(zāi)難性的。

大模型最需要的是能有更多新鮮的信息提供給它進(jìn)行訓(xùn)練，如果這些創(chuàng)意者都不再產(chǎn)出新內(nèi)容，那大模型未來的創(chuàng)意是否會(huì)停滯不前？

當(dāng)然，有人認(rèn)為“風(fēng)格模仿”也是藝術(shù)發(fā)展的一部分。在趙燕斌看來，這里存在一個(gè)關(guān)鍵差異：傳統(tǒng)藝術(shù)學(xué)習(xí)與AI模仿的本質(zhì)不同。人類學(xué)習(xí)另一位畫家的風(fēng)格是一個(gè)緩慢的漸進(jìn)過程。當(dāng)藝術(shù)家在街頭看到一幅引人入勝的畫作時(shí)，可能會(huì)從中獲得靈感和啟發(fā)，但絕不可能在五分鐘內(nèi)就完全掌握其風(fēng)格精髓，更不用說批量產(chǎn)出上成千上萬幅類似作品。

藝術(shù)家們互相學(xué)習(xí)借鑒，但絕不會(huì)純粹為了模仿而模仿，更不會(huì)刻意與原作藝術(shù)家形成直接競爭關(guān)系。

給科研工作者的“啟示”

趙燕斌教授因在AI防護(hù)工具領(lǐng)域的貢獻(xiàn)而廣為人知，他是國際計(jì)算機(jī)學(xué)會(huì)（ACM）會(huì)士，并獲得了美國國家科學(xué)基金會(huì)早期職業(yè)生涯發(fā)展獎(jiǎng)（NSF CAREER Award）、互聯(lián)網(wǎng)防御獎(jiǎng)和《麻省理工科技評(píng)論》35歲以下科技創(chuàng)新35人獎(jiǎng)（MIT Technology Review’s TR-35 Award）等多個(gè)榮譽(yù)。

近期趙燕斌入選了2024年度全球人工智能百強(qiáng)榜單（TIME100 AI），他是其中少數(shù)入選的學(xué)術(shù)研究者。"這份榜單中企業(yè)界人士占絕大多數(shù)，來自學(xué)術(shù)界的教授僅有四五位。"趙燕斌表示，我們的基礎(chǔ)研究能夠產(chǎn)生如此廣泛的實(shí)際影響，確實(shí)令人欣慰。

“入選吸引了一些媒體對(duì)我們的研究成果進(jìn)行傳播報(bào)道，對(duì)于這一研究方向帶來了積極的影響。”更值得一提的是，趙燕斌的團(tuán)隊(duì)有機(jī)會(huì)與更有影響力的機(jī)構(gòu)和個(gè)人建立合作關(guān)系。

尤其近期，趙燕斌與美國多個(gè)州政府展開交流，討論人工智能技術(shù)的發(fā)展現(xiàn)狀及其潛在風(fēng)險(xiǎn)。作為科研人員，他深刻認(rèn)識(shí)到，除了通過技術(shù)手段直接幫助藝術(shù)家外，我們還需要為政策制定者提供專業(yè)的見解。

如今，人工智能已成為全球科研界最熱門的領(lǐng)域之一，無論是中國、歐洲還是美國，投入該領(lǐng)域的研究人員數(shù)量都遠(yuǎn)超其他學(xué)科。這種迅猛的發(fā)展態(tài)勢也帶來了隱憂，許多潛在的社會(huì)影響常常在技術(shù)推進(jìn)的過程中被忽視。

“正因如此，我們需要建立更加完善的科研體系。”趙燕斌說，只有當(dāng)技術(shù)的發(fā)展能夠確保為社會(huì)帶來積極影響，同時(shí)有效規(guī)避負(fù)面效應(yīng)時(shí)，才能實(shí)現(xiàn)真正健康可持續(xù)的AI進(jìn)步。

趙燕斌的團(tuán)隊(duì)目前正從多個(gè)維度推進(jìn)人工智能安全研究。一方面，分析AI模型在各種條件下的行為特征，包括受到攻擊時(shí)的反應(yīng)。另一方面，致力于開發(fā)保護(hù)機(jī)制，前瞻性地思考未來可能出現(xiàn)的挑戰(zhàn)，例如在藝術(shù)創(chuàng)作領(lǐng)域如何區(qū)分人類作品與AI生成內(nèi)容。

人工智能安全研究其實(shí)充滿不確定性，很難準(zhǔn)確預(yù)測每一項(xiàng)技術(shù)可能帶來的所有后果。面對(duì)眾多亟待解決的問題，趙燕斌的團(tuán)隊(duì)采取優(yōu)先處理最具緊迫性的挑戰(zhàn)，在實(shí)踐中檢驗(yàn)解決方案的有效性，并持續(xù)優(yōu)化研究方向。

未來人工智能的發(fā)展，趙燕斌覺得有一點(diǎn)必須值得注意，計(jì)算機(jī)科學(xué)長期以來存在一種慣性思維：技術(shù)可行性是唯一的研究準(zhǔn)則，為科研而科研。然而，在人工智能領(lǐng)域，這種思維模式已經(jīng)不再適用，倫理考量和潛在影響同樣重要。

他呼吁，年輕一代的AI學(xué)子尤其需要拓寬視野，在專注技術(shù)突破的同時(shí)，應(yīng)當(dāng)學(xué)習(xí)人文歷史，培養(yǎng)社會(huì)洞察力。這種跨學(xué)科的素養(yǎng)能幫助他們判斷：在何種情況下技術(shù)推進(jìn)確實(shí)有益，何時(shí)又需要審慎考量潛在風(fēng)險(xiǎn)。

歸根結(jié)底，衡量科研價(jià)值的核心標(biāo)準(zhǔn)不應(yīng)僅是論文數(shù)量或獎(jiǎng)項(xiàng)榮譽(yù)，而是這項(xiàng)研究最終能為社會(huì)帶來什么樣的實(shí)際影響。

這種責(zé)任意識(shí)的覺醒，或許是AI時(shí)代賦予科研工作者最重要的啟示。