昨天用codex完成了一个课题。这是我多年前一篇手稿中的遗留问题。因为觉得计算比较繁琐一直没有下决心动手。从构思问题，到对任务进行拆解，再到codex给出最终结果，也就是一幅示意性的相图，一共耗时大约两个小时。最终的相图中确实存在一个我一直想要论证的相。

这个问题涉及模型经典相图的分析，多种量子相平均场拟设的构建，以及这些量子相的平均场自洽方程的推导和数值求解和相图扫描。这些工作即使比较熟练的研究者全部走一遍至少也需要两三天的时间。对于学习阶段的研究生来说时间只会更长。由于最后的结果未必是正面的，研究者往往会犹豫是否应该投入时间去做这样的尝试。但是现在只需要研究者思路清晰，通过适当的提问和引导，AI可以把这些繁琐的活儿都接过去。

这件事让我反思AI时代研究生培养究竟应该培养些什么能力。传统的凝聚态理论研究生培养所看重的理论推导能力和数值计算能力在AI时代已经可以被机器轻松替代。在AI时代，对于研究者来说更加重要的是向AI提出合理的问题，并根据回答对AI进行适当引导的能力。至少在目前的阶段，AI不可能解决一个前人也没有任何思路的问题。所以提问者不能交给AI一个含糊不清的问题，否则AI也只能瞎编。提问者必须保持思路清晰，清楚如何对问题进行拆解，同时必须知道拆解后的每一步可回答的边界大致在哪里。但是要让研究生获得这样的提问能力，似乎比训练研究生完成一项具体的理论推导或数值计算挑战更大。因为这要求我们将研究生培养的目标设定为一个有思想学识的研究者，而不是一个任人驱使的无脑力工。

支持单位：