刚到牛津时，我经历了文化冲击。除了派对和学袍精英的微歧视，物理和数学课和以前大不相同：讲座更没人情味，教授带敌意，课堂庞大，人人想证明自己。若在阿根廷升学或许正常，但我已适应美国模式，且是在西北大学这样物理项目很小的学校，本科一半时间与博士生同堂上课。可在英格兰读硕士却不同，它更大更不祥，多数人独自学习解题。

刚到牛津时，我经历了所谓的文化冲击。除了那些浮夸的派对、穿学袍精英身上显见的微歧视，我的物理和数学课也和以前截然不同。课堂更加没有人情味，教授有点敌意，人很多，每个人都想证明自己。如果我是在阿根廷继续读书，这种感觉或许很正常；但我之前已经适应了美国的教育模式——而且还是在 Northwestern 这样物理项目相当小的学校。不仅如此，本科一半时间我都和博士生一起上同样的课。

但在英格兰读硕士是另一回事。它显得更大、更压抑。大多数人选择独自学习和做题，就算分组，也期待你扮演“天才”角色。我本科一毕业就拿到了 Harvard 和 Oxford 的 PhD offer，觉得自己必须证明自己配得上。这部分是我自己的错：我确实觉得需要吹嘘才能被认真对待，但结果适得其反。一开始很尴尬，但到了 Michaelmas term 中段，环境急剧变化。很快，我们的讨论和逞强斗胜从无意义的白板辩论，变成了同学直接说：“我刚问了 ChatGPT 怎么做。”

ChatGPT？那是 2024 年末。我以前听说过 AI，一整年大家都在吹捧它，但我认识的人里没人拿它写作业。我看到有人抱怨它耗水、破坏环境，还有几个人说它有一天可能会杀死我们所有人。我觉得这完全是胡说。我想起仲春时节写本科论文时，我打开 Instagram 想拖延几分钟，看到一个很红的“PhD influencer”（不管这词什么意思）说她把自己的名字输进 ChatGPT，结果它喷出一堆关于她、夸她多厉害的信息。一个“网站”能这样把你所有信息翻出来，我觉得有点吓人，我也觉得这种做法有点自恋，但我非常好奇，于是给了这个聊天机器人一次机会。我记得问了一个关于散射振幅的问题，它回了一堆废话。于是我追问，给了更多细节，它说：“你应该去问理论物理学家。”到这一步，我就关掉窗口，再也没打开过。

直到几个月后，我在 Oxford 和当时的“朋友们”一起学习，他们不停夸 ChatGPT 能做作业。Oxford 大多数 MMathPhys 课程的 problem sets 不打分，真正成绩来自考试或学位论文。少数课要求交作业，但“及格”就行。我觉得，作业本来是考试练习，让聊天机器人替你做完全部，有点没意义。然而 2025 年 1 月，我被一道 QFT 题卡住了，于是像朋友建议的那样去问聊天机器人，结果它又一次说了些废话。直到几个月后，我才再次看它。

“作业”这个概念似乎在腐坏，这有点奇怪。以前，我们至少还会去查 Stack Overflow，找类似题目或解题技巧，现在大家连这都不做了，直接让 ChatGPT 搞定一切。说实话，这违背了做作业的初衷。不过我觉得，我们早就失去那个初衷了。我一直认为，除了备考，problem sets 还是学习解题时如何协作的好方式。

但现实中，协作很少是我学生生活的一部分。我最后一次真正和同学协作，是大一时学多变量微积分，和一群工程学生一起。我在迎新时认识了两个女生 Andrea 和 Juliana，我们立刻建了个小群一起做题。我们会先各自尝试，然后把答案发到群里讨论。比如一个女生会问我：“哦，这方法真聪明。你怎么知道要沿这条曲线积分？能解释一下吗？”或者告诉我：“嘿，我觉得这题你做错了！你应该这样用拉格朗日乘子。”我也会同样对她们这么做。那门课我学到很多，部分要归功于当时很棒的合作者。辩论、讨论、互相学习真的很美好，帮我数学变好，真正掌握概念。

我非常期待开始物理专业，和物理同学协作。大二秋季学期，我和一个也是物理专业的朋友选了荣誉微分方程数学课。按我以为的惯例，我们互发答案检查。这是我第一次上荣誉数学课，而那个朋友之前已经上过三门。我的学术导师坚持认为我没准备好上荣誉课，我因此错过了前两次课，还在非常无聊的普通班待了一周，才说服教授让我转班。所以第一次作业我犯了很多错。于是我像以前那样发消息问朋友：“哦，我好像误解了这个概念，你这里是什么意思？为什么这是对的？我缺了那节课，所以以为要做点不同的东西。”结果她指控我试图抄袭她的作业，开始完全不理我，还告诉别人我想抄她的。我们的友谊从此变了。我学到了一个惨痛教训：我是一个人。剩下的课程里，我一个人写作业、一个人备考，最后拿了 A。事实上，我本科学位大部分时间都是一个人过来的，即便身边都是博士生。我会给同学讲解答案，却很少再有大一时的那种来回交流。

话虽如此，ChatGPT 只是让围绕协作的环境更加黯淡。现在，除了“去问 ChatGPT”，什么都没有了。

我对用 AI 仍然犹豫。我看到 MMathPhys 很多人不仅拿它写作业，还拿它写学位论文和打算发表的研究。我很困惑。另一个朋友开始把它当心理治疗师用。我还是很困惑。它太顺从，让我反感，但它确实制造出一种屏幕后面有人的诡异错觉。

然而，2025 年 5 月，我所有糟糕决定一起找上门来。其实我在 Oxford 大部分时间都在无所事事。我一直把去上课当作某种社交仪式，它们从没帮过我，我都是从书里学。同样，有些 problem sets 又密又没有洞见，如果又不影响成绩，我就懒得做。反正 Harvard 的 PhD offer 在等我，真的没什么可失去。于是我到处旅行、参加派对、出丑、读很多书、下棋、喂鸭子、哭很多次。但某个时刻，我意识到我得拿硕士学位，而我只有一个半月从零学完四门 Oxford MSc 课并通过考试。我完了。

然后就有了 ChatGPT。关于 ChatGPT 的一点是，嗯，它不是人，不会像我们一样“思考”。但我意识到它在一件事上非常有用：把人类说过的话重新排列成更好懂的形式。于是我拿着宇宙学和广义相对论笔记坐下，每次卡住或想象不出某个定义，就截屏或复制不懂的小段或句子，ChatGPT 会重新给我解释。有时它会附上一个快速例子，帮我理解指标记号，或者告诉我无挠只是说平行四边形闭合。

标准物理和数学教育，与我的思维方式有一个主要矛盾：真空中的定义和推导对我来说有点没用。我能跟上复杂数学，也能看懂定义说什么，但除非看到一个真正的示例，否则不会真正明白。这不只是我的问题。费曼也是这样看待物理的，我相信很多人都有这种认知特点。

但不用去面对那些被我蠢问题惹恼的同学，ChatGPT 几乎立刻、毫无怨言地提供了那座桥。用了三周后，我意识到自己不再那么需要它了。我可以自己跟上彭罗斯图、克尔黑洞等进阶概念，不靠 AI 自己画示意图、做推导。两周后我参加考试。我用一个半月从零学完了广义相对论 I 和 II、宇宙学以及地球物理流体动力学，同时还上了两门标准模型课和一门弯曲时空中的量子场论课。我的成绩在高及格和优秀之间，但够了！我拿到了学位。这些是完全闭卷考试，所以是我自己做的。但 ChatGPT 确实帮我加快了知识获取。

话虽如此，我完全不信任它做新研究。一到 Harvard，我在 G1 年级 11 月初就拿到了第一个 PhD 项目，对高能物理来说有点早但不罕见。我和一个博士后合作，愉快地发现本科两位导师教我的技能对那个问题非常有用。我把一些扭量理论和手征代数嵌进一个漂亮的 Mathematica notebook，帮了很多计算。那个项目我几乎没用 AI。它帮我找背景文献、解读论文里某些段落和推导。除此之外，我只在需要时用了 Claude Opus 修补库里的一段代码，处理表达式里的极点和留数，因为我不确定怎么做。就这样。

然而，那篇“单减号”论文真的改变了物理界对 AI 的期待。OpenAI 的一个内部模型发现了研究者们努力了好几个月的东西。这很酷，但有细微差别。那篇论文的大部分重活和概念跳跃是真人做的，不过 AI 的成就不容低估。它令人印象深刻，证明很漂亮也不平凡，这篇论文在 Celestial Holography 开辟了很多研究方向。AI 其实很擅长在给定框架内证明东西，也擅长严格逻辑或提供可靠的复杂数学结构，但物理不只是这些。或者，我情愿这样相信。

问题是，每次我展示那个主要靠自己看 Wolfram 文档写出来的小 Mathematica notebook，我的前辈和 PhD 同学都会问：“ChatGPT 不能做那个吗？”也许能。但在 Mathematica 里把问题写成代码，不只是“效率”或快速写代码。它是把理论、框架编码进去，处理边界情况，并且学习。也许我可以让 Claude 或 ChatGPT 做一个手征代数 Mathematica 库，它可能做得和我一样好或更好，但那又有什么意义？也许会更快一点。也许我可以把所有想做的事喂给它，让它在后台写代码然后吐出一大堆答案……但作为一个一年级学生，这似乎首先就违背了做研究的初衷。而且，ChatGPT 不是不会错。它可能错得非常离谱。而没发现它错了，对所有相关的人来说都很尴尬。

我不相信非要从头死磕一个难积分或证明，来证明自己够男人搞定它（如果计算器或 Mathematica 能做，为什么要受这份罪？），但我确实认为，解决一个有趣的问题、理解一种结构、做大部分概念上的重活，是有价值的。我的第一个项目在极少使用 AI 的情况下完成，论文也发表了。

但当我作为刚升上 G2 的学生开始第二个项目时，我确实注意到环境剧变。如果你走过 Harvard 物理系、探头看办公室，很多人屏幕上开着 ChatGPT、Codex、Claude 或类似工具。我开始收到的许多邮件里，装着 AI 生成的笔记，或基于 ChatGPT 给出的想法的笔记。不只我这样，我的很多同学也经历这些，这里和别处都一样。这是现在常见的体验。如今，“头脑风暴”意味着和 ChatGPT 说话。我大量时间花在破译 ChatGPT 的笔记、发现是废话、然后翻到下一篇。

我很恼火。我有反对意见、疑问和担忧，却被驳回，被告知去问 ChatGPT。于是我去问了 ChatGPT，它只是“认可”我说的一切，却不提出任何解决方案。问题是，我想和前辈辩论、提问……可我做不到。我意识到，读理论物理 PhD 很大程度上就是应对一群对着黑板大喊大叫的人，所以互动感也不强。有人说很多花哨的词，有人说吹牛是常态。某个时刻我意识到，不只是我；这里有些装腔作势、有些表演，而 ChatGPT 让这更糟。于是我又和聊天机器人独处了。但现在，我没有剑桥顶尖物理学家写的、关于一个近一个世纪前就已确立理论的讲义了……我只有几篇论文、模糊的想法，无处可去，因为读 PhD 是去研究没人做过的事。

这并不好。因为我只是个二年级博士生，我什么都不懂。我知道很多东西，但宏观来看，我缺乏经验，需要导师。而聊天机器人不能当我的导师。然后我意识到，一年前帮了我大忙的同一个工具，正在淹没我和我的领域。我不认为技术本身是邪恶的，但我确实认为，人类使用某些技术的方式可能是有害的。但这不是 AI 的错，是我们的错。

我很早就意识到，我所在领域很多人不那么专注于寻找真相，而更专注于表演、正确和炫耀。我很早就意识到，对很多物理学家来说，教学和指导更像负担，而不是他们认为特别有价值的事。我们想要最快的 PhD 学生，本科发了三篇论文的，最快算完计算的。我们想要最热的话题和最多引用。但如果聊天机器人能取代 PhD 学生，如果它更快、更高效，五分钟就能吸收温伯格的 QFT 卷册，那我们为什么还需要学生？如果可以只和机器人单独工作，为什么还要协作？

还记得我说过和工程朋友的群聊吗？我们不断比较和头脑风暴。有时她们会注意到一个我没看到的概念或干净解法，我也会为她们做同样的事。这帮助我们成长，也让我深刻理解很多概念。我会用意想不到的方式解题，但那很有趣！它帮我真正掌握数学及其美妙之处。但那也是健康的协作。它不是为了拿最高分、有最聪明的解法、搞信息封锁或大喊大叫。我们会坐下来，试一试，礼貌讨论，互相解释。我们不会刻薄或居高临下，只是互相学习、互相改进。

人让我们保持诚实。每个人都不同。我们有不同背景、不同看世界的方式，受过的训练也不同。但你向别人学习，别人也向你学习。

而我们正在失去这一点。我们该害怕在 AI 公司工作的同事拿走我们的提示词，抢先解决问题吗？该害怕威胁吗？该害怕我们作为 PhD 学生的日子将花在让机器“再努力点”，而不是深入理解新东西上吗？

说实话，ChatGPT 帮我学习的效果让我非常惊讶和兴奋。但难道我更希望有回应学生的教授、懂教学法的讲师、愿意写易懂论文而不是故意把洞见埋进无意义术语里的物理学家，以及让我交谈时不会焦虑飙升的同学吗？是的。我百分百宁愿要那些。而我担心现在一切都会变得更糟。因为我们手里现在有了一台机器，它认可我们所有偏见，并把它们埋进几十页无意义的数学里。

我只是个感到有点挫败的 PhD 学生，不是因为 AI 可能抢我工作——我足够幸运，这不用我担心（说实话，我也足够幸运能有机会读理论物理 PhD）。而是因为我们使用 AI 的方式，正在摧毁科学原本的乐趣。用 AI 一周发三十篇论文，就为了发而发，真的有趣吗？项目里一个朋友问得很对：“那些论文值得发表吗？”

解决一个有趣问题、或理解宇宙奥秘的全部意义，不是赢奖项或拿最多引用，而是更接近那个我们称作真相的近乎神话的东西，通过研究万物本性来认识宇宙和我们自己。

问题是，我们口袋里的小聊天机器人正让我们更孤立， thereby 让我们离这个谦卑的目标更远：学习。但这不只是聊天机器人，还有学术圈的文化。我觉得聊天机器人是一面镜子，一面极度顺从、让人不断被认可的镜子，带着互联网的知识。但如果我们对着镜子待太久，太陶醉于自己的倒影，忘了其他一切和人，镜子就很危险。尤其是，摧毁少数让生命有意义的东西会非常可悲——不是那些花哨的奖项或职位，而仅仅是拥有一个可以分享、讨论和学习的共同体。去学习事物。那是件美好的事。

——Nia

如果人们能看清原因，为何
这座痛苦之山压在心上，
他们就会放下一切，去研究、去查明
宇宙的本性及其构造——
因为这里攸关的是我们永恒的状态，
而不只是一个短暂的时辰——
那是所有凡人在日子终结后
必须度过的状态。

——Lucretius，《The Nature of Things》（A. E. Stallings 译，Penguin Books，2007；原作约公元前 50 年）

多数读者对 LLM 进入学习与工作表达忧虑，认为它用效率替换了思考、协作、社区连结与专业能力成长；分歧主轴是，它究竟是摧毁求知与共同体的替代品，还是可以被善用、甚至大幅提升学习效率的工具。少数人强烈批判原文空洞，或认为 AI 的有害性源于资本与学术激励，也有读者反驳称作者只是把不会用工具的责任外部化给技术，社会终将适应。

认为用 AI 替代同事和同伴会摧毁学习、协作与社区连结

• 把原本向同事、同伴请教和讨论换成向 AI 助手提问，虽然效率更高，却让人失去锻炼思考、互相学习、建立关系和共同生成新思路的机会；由于大家越来越依赖同样的生成内容，协作带来的双向理解与创新难以被替代，还会加剧疏离（较多人）
• 需要引用时，只用一句中文意译： > 两位工程师花两小时一起解 bug，比一名工程师加 AI 助手二十分钟解完更有意义：前者能锻炼大脑、向同伴学习并建立连结，后者只是老板喜欢的效率，个人毫无所得且要更孤立地连轴处理更多 bug（@sdevonoes）

认为 AI 会侵蚀深度学习、技能成长与未来专业能力储备

• AI 确实能当自学工具、原型工具或卸载琐事，但一旦被用来替代本该亲自完成的重要思考与学习，就会让新人跳过必要的摸索，消耗掉未来的专业种子；对已有深厚专长、只关心把东西做出来的人最有利，而真正想深入理解的人反而更易失去成长机会（较多人）
• 连非软件工程师的科研人员也感到：由于模型能更快给出合适脚本，自己已无法再以“省时间”为由在工作时间学习新编程技能，只能庆幸在工具普及前打好了基础（较多人）
• 需要引用时，只用一句中文意译： > 想“造东西”的既有专家能借 AI 如虎添翼，但重视深度理解的人更无用；新人直接拿 ChatGPT 写作业，等于在消耗专业能力的种子库存（@intended）

认为 AI 的有害性来自资本、学术激励和技术对社区的侵蚀

• AI 推广是因为发明者与拥护者本身沉迷信息刺激、回避真实人际互动，学术与资本主义激励又奖励发表和效率而非社区，而先进技术还会反过来瓦解小共同体，让人拿技术当安慰剂；今天知识只被当成物质与资本进阶的工具，而非让人更有智慧、享受生活基本面的途径（少数人）
• 需要引用时，只用一句中文意译： > 今天知识只被当成物质与资本进阶的工具，而非用来让自己更有智慧、享受生活的基本面；为 AI 辩护的人要么是已上瘾，要么是不愿面对它有害的真相（@bemtevi）

认为 AI 其实大幅促进学习，效率低下的抱怨应指向人而非技术

• 新技术移除了瓶颈，理想的人本该为新能力欢呼；抱怨其实来自不信任同伴会正确使用工具，并把焦虑外部化给技术本身。作者自己也承认 ChatGPT 帮人学习远超过去，真正的问题只是社会没用它推进物理，那是同行的责任，而社会终会适应（少数人）
• 需要引用时，只用一句中文意译： > 作者自己也承认 ChatGPT 帮人学习远超过去；她真正不满的是社会没用它推进物理，但那是同行的责任，不是技术的问题（@simianwords）

认为把 AI 当补品而非替代品、并亲自投入工作的人会获得竞争优势

• LLM 仍有很多蠢笨之处；若把它当作自学工具或卸载不在乎的任务，同时坚持亲自做重要的事、把它当补充而非替代，就能形成明显的竞争优势（少数人）
• 需要引用时，只用一句中文意译： > 把 LLM 当自学工具或卸载琐事可以，但拿来替代重要工作会很糟；仍然亲自干活、把 AI 当补充的人将拥有可观优势，因为 LLM 在很多方面依然很蠢（@UpsideDownRide）

认为既然 LLM 能做得尚可，就不必再认真学，大学只是发文凭

• 大学的目的只是提供一张证明读完的纸；如果 LLM 能把某件事做得还行，认真学会它就是浪费时间（少数人）
• 需要引用时，只用一句中文意译： > 如果 LLM 能把某件事做得还行，认真学会它就是浪费时间；大学的用途只是发一张证明读完的纸（@mono442）

认为原文文笔优美但整体空洞、缺乏实质与行动出口

• 少数读者称赞文章文风轻灵、优雅（少数人）
• 更多读者批评它不值一读，只是在抱怨 ChatGPT 和“懒惰的牛津学生”，充满“镜子危险”之类空泛的漂亮话；也有人同情它像日记，却给不出结论与行动指引，而作者也坦言这种恐怖正在于根本没有清楚可做的事（较多人）
• 需要引用时，只用一句中文意译： > 读来像日记，虽令人共情，却给不出结论与行动指引，而这种恐怖恰恰在于没有清楚可做的事（@RugnirViking）

有价值的补充

• 有人指出原文结尾漏掉了一个词，应该是“PhD 导师”：导师本应是学生关于研究工作首先互动的人，这一缺失被视作原文的疏忽（@poulpy123）。
• 评论用《三体》中的“智子（Sophons）”类比 LLM：它不是硬性禁止学习，却因提供太轻松的答案而软性锁死人类在硬知识上的进步，因为极少有人会自愿选难路（@surgi）。