博文
AI 让写论文更高效了，但你真的用对了吗？ 
精选
|
困境
我见过不少这样的学生，用 AI 一个下午就「搞定」了论文：文献是 AI 读的，初稿是 AI 写的，参考文献列表也是 AI 生成的。看着像模像样，格式规范，逻辑通顺，甚至连措辞都比他自己写的好。他觉得有了 AI 的加持，自己实在「强得可怕」。
到了答辩，老师问了一个最基本的问题：你这个研究的核心贡献是什么？
他愣住了。不是不知道怎么组织语言，而是真的不知道。选题是 AI 给的，文献是 AI 读的，论证是 AI 搭的 —— 从头到尾，他从来没有真正想过「我到底要研究和表达什么」。
这个场景不是个例。没有 AI 的时候，很多人把论文当作文写 —— 没话找话，凑足字数，交上去就完事。有了 AI 之后，换了一种方式，但本质上没变 —— 让 AI 替自己凑字数，而且显然凑得更漂亮了。
但论文不是作文。作文比的是「你写得好不好」——表达是否流畅、文采是否出众；论文比的是「你有没有改变读者的认知」——读完你这篇东西，看的人脑子里某个判断是增加了、删除了，还是修正了。这种认知上的改变，我把它叫做 「认知差」。没有认知差的论文，写得再流畅，也不过是一篇加长版作文，根本不符合论文的要求。
写论文有两种姿态：一种是在完成作业——题目是别人定的，标准是别人给的，你只需要执行；另一种是在创作作品——你自己想知道答案，你自己判断这件事值不值得做。作业型的人，不需要判断力，因为题目和标准都是别人给的，他只管交差；作品型的人，判断力就是生命线。
你选哪种姿态，决定的是你在不在乎判断力这件事。对作业型的人，没有 AI 的时候，他自己硬凑；有了 AI，他让 AI 替自己凑——方式变了，但「不需要判断力就能完成」这个幻觉没变，甚至更逼真了，因为 AI 的输出比他自己硬凑「看起来」更专业。旧问题没有消失，AI 又制造了新的陷阱。
转机说到这里，你可能会想：那 AI 到底有没有用？
当然有用。
不过问题从来不是「该不该用 AI」，而是「怎么用」。
AI 确实改变了很多事。以前读一篇英文文献，光查单词就能耗掉半个下午，现在用 AI 工具，几秒钟就能给你一段通俗的中文讲解。以前找选题，学生常常在知网里漫无目的地搜，现在可以让 AI 扮演不同领域的专家，给你提几个方向，再帮你检索英文文献验证新颖性。在《AI 高质量论文写作法》书中，我把这套做法总结成「初筛、细化、验证」三步：让 AI 帮你打开视野，但每一步最终拍板的还是你。
写初稿也一样。以前你对着空白文档发呆是常态，现在有了 AI 辅助，分分钟就能把论文框架和初稿敲定。不过，这不能替代你从头到尾修改矫正的过程。这叫「快写慢改」：先让 AI 帮你快速搭出骨架，再自己慢慢打磨判断。
正因为执行变容易了，判断力才变得前所未有地重要。
误区我给你讲一个自己的经历。
自从有了 ChatGPT，我发现自己的英语能力在大幅度退步。这不是矫情 —— 以前读英文文献，遇到不认识的词，至少得查词典、看例句、揣摩语境，这个过程虽然慢，但每个词都是「长」在脑子里的。
后来我用了 Immersive Translate（一款双语对照翻译工具）做双语对照阅读，方便是方便了，但我发现一个扎心的事实：大多数人 —— 包括我自己，以及我的研究生们 —— 会立即忽略英文原文，全神贯注地读中文。翻译太方便了，方便到你不再逼自己读原文。
AI 越强大，我的英语却越差。这不是个段子，这是真事。
后来我想了个办法：用 Raycast（一款 Mac 效率工具）自制了一个划词翻译工具，强迫自己必须先读英文原文，遇到真不认识的词才划一下看释义。不是为了拒绝 AI，而是为了不让 AI 替我思考。
这个划词工具的门道，不在于它能翻译 —— 能翻译的工具满地都是 —— 而在于它故意让翻译变得「麻烦一点」：默认不翻，逼你先自己读，读不动了才给你看答案。
这个小工具真正的意义，恰恰在于它「不方便」—— 它逼着我把「读」和「想」这两件事牢牢把握，而不是顺手就交给 AI。
这点担心，后来在实验室里找到了印证。2025 年 MIT 媒体实验室的一项研究，让不同组的学生分别用 ChatGPT、搜索引擎和纯靠自己来写文章。结果发现，使用 ChatGPT 的那组学生，大脑活动明显更弱——研究者管这叫 「认知负债（cognitive debt）」。
注意，这个词跟前面的「认知差」正好相反，别弄混了：认知差，是你的论文该带给世界的那点改变，是你要去挣的；认知负债，是你为图省事给自己悄悄挖的坑，是你欠下的。
短期看，AI 确实帮你提了效；可长期看，你是在攒一笔认知上的债。更麻烦的是，等这些学生再纯靠自己写作时，他们表现出了更弱的神经参与 —— 就像一块久不发力的肌肉，不只是没长，还会慢慢松掉。
这篇论文还只是一项尚未经同行评审的预印本研究，交叉测试那一轮也只有 18 个人，样本不大，你先不要人云亦云把结论奉为圭臬。但它的讲述和我自己的体感是吻合的，足够让人警觉。
AI 可以迅速拉高你的输出能力。文献综述写得像模像样，初稿框架几秒钟就出来了，参考文献列表看着也挺齐整。但输出能力和判断能力，这两件事差别很大。输出能力，是你能不能给出一个看起来像样的东西；判断能力，是你能不能知道这个东西的前提是什么、哪里可能有问题、遇到什么证据应该改主意。
如果你滥用 AI 来做论文，那么你的「认知负债」在积累，而你浑然不觉。
分界那到底该怎么用 AI？说到底就是一条线 ——
AI 是你的帮手，不该成为你的枪手。
帮手是什么？帮手是你自己拿主意、AI 帮你干活的那些环节。你确定选题方向，AI 帮你拓展思路；你读文献遇到不懂的公式，AI 帮你用大白话讲一遍；你写完初稿，让 AI 帮你检查逻辑漏洞和表达问题。当然，AI 给的全部材料，你还得自己做一遍事实核查。尤其要注意，它经常被指认为「一本正经胡说八道」，这背后，是一个个惨痛教训。这些环节里，你都在场，你都在判断，你都知道自己想要什么。
枪手是什么？枪手是你把判断权整个交出去的那些时刻。选题让 AI 定，文献让 AI 替你读，初稿让 AI 从头写到尾，你连看都不看就交上去。你不是在用 AI，你是在委托 AI。而委托的代价，就是前面说的「认知负债」—— 你以为自己省了时间，实际上你在透支自己的判断力。
如果说前面那两种姿态（作业型还是作品型）决定的是你在不在乎判断力，那么帮手还是枪手，决定的就是你守不守得住判断力。在乎，却没守住，照样会给你自己埋下随时可能爆掉的雷。
这两者的区别，不在于你用了多少 AI，而在于你有没有在关键节点上守住判断。
选题值不值得做，你得自己判断。AI 可以给你十个方向，但哪个方向真正值得你投入宝贵的时间去研究，只有你自己能回答。文献的核心论点是什么、哪里可能有漏洞，你得自己判断。AI 可以帮你快速理解，但它理解了不等于你理解了。论文的结论站不站得住，你得自己判断。AI 不会为你的论文负责，最后签字的是你。
有人打过这样一个比方：让 AI 替你写论文，就好比把叉车开进健身房。叉车确实能举起更重的杠铃，但你的肌肉一点都没变强；甚至你越是依赖它，那身肌肉还会慢慢松掉。
学术写作也是一样。AI 可以帮你举起更重的「杠铃」—— 更长的文献综述、更规范的格式、更流畅的表达。可正因为人人都能借这台叉车举起这些「杠铃」，光看产出，大家很快就变得难分高下：谁的综述都够长，谁的格式都够规范，谁的初稿读着都顺。以前这些活儿是有门槛的，慢工出细活，谁基本功扎实谁吃力少，差距就藏在「能不能做出来」里头。所以我经常鼓励学生「完成比完美更重要」。
现在门槛被 AI 一脚踏平，「能不能做出来」这个变量几乎归零了，于是区分高下的，就只剩下那个 AI 替不了你的变量 —— 判断力、品味、你对研究问题真正的理解。这些「肌肉」，只有在你自己思考的时候才会生长。
小结如果你正在准备论文——不管是本科毕业论文还是硕博学位论文——我想给你一个建议：先想清楚你的认知差在哪里，再决定让 AI 帮你做什么。 在打开 AI 之前，先用一句话写下「我这篇论文想改变读者的哪项认知」。这一句要是写不出来，先别急着让 AI 动笔。
如果你觉得本文有用，请点击文章底部的「推荐到博客首页」按钮。
如果本文可能对你的朋友有帮助，请转发给他们。
欢迎关注我的专栏，以便及时收到后续的更新内容。
延伸阅读
https://blog.sciencenet.cn/blog-377709-1537814.html
上一篇：AI替你做了你做不了的事，你敢签字吗？
