AI博士生感叹计算机科学学术界已死

计算机科学学术界已经死了。那像我这样的AI博士该怎么办？

我今天刚完成ICLR的审稿人竞标。粗略扫了几篇摘要，发现它们用的方法还是我两年前进入3D视觉领域时学到的那套配方。换个更新的视频生成基础模型，一篇新论文就成了🥲

这不禁让人好奇，六万篇投稿里到底有多少实际上是AI写的。与此同时，World Labs的Atlas已经基本解决了4D场景生成问题。学术界落后太多，离谱到都不好笑了。

我还记得GPT-6 Astra发布的那天。我的时间线全被GPT+Blender做逆图形、GPT操控机械臂完成操作任务的内容刷屏了。结果好到我当时直接惊得坐了下来。一年前我还百分之百确定大语言模型绝对不可能拥有空间智能。一年后，Astra直接把我这个信念拍得稀碎💀

毫无疑问Astra用大量3D和操作数据做了后训练，而且它的训练数据规模只会越来越大，速度也会越来越快。在我看来，这意味着任何可以被符号化表示、拥有干净强化学习基准的领域，都会被大语言模型吞噬。

和真正的大语言模型智能比起来，大多数只加一点归纳偏置、调参冲到SOTA的学术论文，不过是等着被碾死的路障罢了。可悲的是，这类论文还在不断堆积，淹没了每一场会议。这纯粹就是惯性而已。我们追SOTA追了太久，没办法一夜之间停下来。

但别搞错：很多领域的范式早就收敛了。过去算得上研究的工作，现在纯粹就是工程，学术界能加归纳偏置的空间只会不断缩小。所以作为一名博士生，我看只剩下两条路可走。

第一条：打不过就加入。整理数据、搭建基础设施，然后去工业界训练大模型。第二条：回归真正的科学。别再想着从基准上再榨出0.1%的提升，转而把大模型本身作为研究对象，去研究为什么这个有效、那个无效。

就像我一个朋友说的：AI研究最终可能会变得越来越像生物学，只不过研究的“生物体”是硅基的🤣

除了这两条路之外，我很难想到还有什么领域不会被大语言模型吃掉。但我还是挺悲观的。我能感觉到人类知识的价值正在一点点被侵蚀。每个人都会遇到属于自己的AlphaGo时刻。这场变革之后，学术界到底会变成什么样子……😭