你有沒有干過這種事——

手頭堆著十幾篇論文看不完，順手扔給AI：

「幫我總結一下核心觀點。」

然後AI叭叭叭吐出一段，你複製粘貼，完事。

如果你干過，接下來的內容，可能會讓你後背一涼。

康奈爾大學和谷歌聯手，搞了一場「AI讀論文」的盲測。

結果出來了——

AI可能根本沒讀懂。

它只是在裝懂。

01. 這場測試，狠在哪兒？

研究人員乾了一件很損的事。

他們先挑了一個連科學家都經常吵架的領域：

高溫銅氧化物超導體。

這玩意兒，人類研究了30多年，論文堆成山，到現在還沒扯清楚。

然後，他們往資料庫里塞了1726篇相關論文。

接著，他們出了67道題。

注意，這不是那種「本文主要研究了什麼」的傻瓜題。

而是需要——

綜合多個研究的結論，

判斷學術爭議的對錯，

甚至要做點科學推理。

說白了：這題是給科學家出的，不是給AI玩的。

02. 參賽選手：五大AI + 12個真人

他們把市面上能叫上名字的AI全拉來了：

ChatGPT-4

Claude 3.5

Perplexity AI

Gemini Advanced 1.5 Pro

NotebookLM

然後又找了12個真正的科學家。

玩法更狠：

盲評。

12個專家只看答案，不知道是人寫的還是AI寫的。

就像《蒙面歌王》，只聽聲音不看臉。

03. 結果：AI露餡了

先說好消息。

能「讀論文」的AI，確實比只會搜網頁的AI強。

比如NotebookLM這種，允許你上傳論文的，回答問題時明顯靠譜。

因為它是在你給的資料里找答案，不是去網上瞎編。

但壞消息更扎心。

AI最大的死穴：看不懂圖。

搞科研的人都知道，論文里最值錢的不是文字，是圖——

曲線圖、相圖、實驗照片、統計表……

很多結論，都在圖里藏著。

但AI到了這兒，直接翻車。

它能複述文字結論，但你要它解釋「這張圖的縱坐標為什麼取對數」——

它就開始胡扯了。

研究人員直接撂了一句狠話：

「理解可視化數據，是科學家最基本的素養。現在的AI，在這一項上，不及格。」

04. 更尷尬的：AI會自己編論文

這才是讓學術界最慌的地方。

測試里發現，有些AI回答問題時，會——

引用根本不存在的論文，

拼錯參考文獻的作者名，

把複雜的學術爭論簡單化、甚至歪曲化。

說白了：

它編得像真的一樣。

康奈爾大學的那位教授（原諒我一時沒記住他全名，反正挺長）在接受採訪的時候說了一句話，我覺得特別到位：

「AI就像一個特別自信的實習生，你問什麼他都能接上話，但你回頭一查，他說的有一半是瞎編的。」

在學術界，一個錯誤引用，能把整篇研究帶溝里去。

05. 科學家開始怕了

現在學術界有個趨勢：

越來越多研究生在用AI讀論文、寫綜述。

未完待续,请点击「下一页」继续阅读

如果AI在引用上出錯，

如果AI理解錯了圖表，

如果AI把A和B兩個矛盾的觀點強行捏在一起——

這些錯誤，可能會像病毒一樣，在論文里不斷複製、傳播。

有人已經開始擔心一個更極端的未來：

AI寫論文

AI讀論文

AI引用AI寫的論文

最後人類科學家成了旁觀者，看著一堆機器在那裡自說自話。

到時候，

科學研究會不會變成一場「機器之間的對話」？

而人類，根本不知道真相在哪兒就偏離了。

06. 最扎心的那句話

研究團隊在論文最後，寫了一段話，我看了好幾遍：

「AI在提取信息方面表現不錯，但在理解科學推理方面仍然有限。」

翻譯成大白話：

它能認字，但不一定懂科學。

07. 寫在最後

當然，我不是說AI沒用。

它確實能幫我們省時間，快速翻文獻、找資料。

但如果你指望它替你「理解」一篇論文——

那你可能要失望了。

有些東西，比如：

懷疑、直覺、爭論、靈感……

可能真的，暫時還只屬於人類。

（評論區聊聊：你有沒有被AI「編」過？我用它寫論文，它給我造了一篇假文獻……）