理解在AI时代还有价值吗?

wei Carson 2026-05-13 16:25 1

我是一个大二学生。这学期我加入了一个做古文字识别的实验室,负责 YOLO 检测线。


说实话,在接触这个项目之前,我对机器视觉一无所知,甚至连 YOLO 是什么都不清楚。实验室把训练集发给我,让我每周写进度、发周报。


然后——我开始求助 AI。


整个工作流大致是这样的:


AI 负责写代码、调参、分析训练结果;而我,负责给它“喂资料”。


我用 Consensus 搜论文,用 DeepResearch 做文献调研,用学校账号去学术数据库下载全文。当训练效果不理想时,AI 给出可能的原因分析,我再带着这些方向去检索有没有相关论文能解决问题,找到之后喂回给 AI,让它据此设计消融实验、筛选真正有效的方法、调整训练策略和代码。


循环往复。七轮模型,每轮平均 14 小时,引用了近 100 篇文献。


最终结果是:我们 YOLO 线的准确率比Paper baseline 高出了 3%。


按理说,这是一个不错的成绩。


但看到结果的那一刻,我内心毫无波澜。


因为我很清楚自己在这个过程中到底做了什么。


我没有真正理解模型的原理,没有自己动手写过一行关键代码,甚至到项目结束,我对 YOLO 的核心机制依然谈不上熟悉。我在整个项目里扮演的角色,说得好听叫“资料调研员”,说得直白点,我只相当于 AI 的“tool”。


而查资料这件事,坦白讲,几乎没有门槛。唯一的障碍不过是某些论文有访问限制,但总有办法拿到。这不是什么技术能力,这只是耐心和时间的问题。


所以我时常在想一个问题:如果把我换成任何一个人,给他一个 GPT,让他学我一样不间断地搜索、整理、投喂资料,AI 来负责分析、写代码、训练模型——他完全有可能做出同样的成果。


那我的价值在哪里?我的主体性体现在哪里?


任务完成了,指标达到了,但我从中几乎没有获得任何成长。没有那种“我搞懂了一个东西”的满足感,也没有“这是我做出来的”的成就感。只有一种空落落的感觉——事情是做完了,但好像跟我没什么关系。


更让我不安的是周围的环境。


我们的导师并不关心我们在这个过程中学到了什么。他们想发论文,想发 SCI。


我突然意识到:在这个实验室里,没有人在乎“理解”这件事。导师要的是产出,AI 提供的是能力,而我被夹在中间,工位上敲得最多的不是代码,是 prompt。


后来导师得知我在用 AI,不但没有质疑,反而希望我把整套流程分享出来,配上详细的文字说明。


我分享了。


然后我主动退出了实验室。


因为我意识到,那份流程说明,可能就是我在这个实验室里唯一真正属于自己的产出了。而它的本质,是一份教别人如何替代我的说明书。


我不确定这是不是很多人在 AI 时代正在经历、却不太愿意说出口的感受。


但这段经历确实迫使我面对一个问题——


如果给一个人配一个 AI,让他持之以恒地做文献检索、交叉比对、消融实验、代码验证,那么成果就会来得如此轻易。不需要天才的脑子,不需要顿悟的灵感,只需要一个人愿意当那个不知疲倦的“tool”,AI 来当那个不知疲倦的“执行者”——就一定有结果。


那么,当成果变得如此廉价,“理解”在 AI 时代还有价值吗?


我的空虚感源于“我没有真正理解 YOLO 和那些实验的内容”。


但如果结果证明,不理解也能做出成果,那理解的意义到底是什么?


我知道标准答案:AI 会犯错,人类需要审视和纠偏,理解的价值就在这里。


但这个答案对我不成立。


我只是一个大二学生。AI 写出的那些代码、给出的那些分析,哪些是精准的,哪些藏着隐患——我分不清。所谓“人类的审查”,前提是得有这方面的资格。而我还没有。


所以我面对的真实处境是:我既不理解 AI 做了什么,也无法判断它做得对不对。我唯一的指标就是——mAP 涨了,就是成功的。


至于这个成功背后的逻辑是什么,没有人追问。


导师不问,因为他要的是结果。


AI 不问,因为它没有意图。


而我不问,因为我问了也听不懂答案。


这才是让我真正不安的地方——当我连判断自己是否在成长的能力都被跳过了,我怎么知道自己还在往前走?


也许理解的价值从来不在于它能带来更好的结果。AI 已经证明,不理解也能出成果。


理解的价值也许在于:它是我们确认自己“在场”的唯一方式。


没有理解,我只是流程里的一个环节——可替换的、可省略的。


有了理解,哪怕成果不那么漂亮,至少那个过程是我的,但我说不准会被导师在每周周会上骂。


因为身处一个只看结果的世界里,没有人在乎你是否“在场”。他们只会问——


结果出来了吗?

最新回复 (19)
  • 时牧 05-13 16:30
    1

    你是在担心,没过几年大模型就不需要你这根拐杖了

    自己就能完成这一切

  • kevin 05-13 16:32
    2

    我觉得还是有价值的,只有理解了你才能成长就像昨天一个佬搬的知乎的帖子关于工程师成长的,如果一切都外包给模型个人是没有成长的,我觉得一句话说的就挺好的



    You can outsource your thinking but you can’t outsource your understanding.


  • bonono 05-13 16:33
    3

    我觉得你可以换个思路去考虑这个问题。


    如果假设做出这件事的并不是 AI,而是一个真实的师哥,或者说是一个导师:他全程带着你去做了这些事情,告诉你你要去做什么,只要你追问,他也会告诉你为什么。


    他愿意让你参与到当中取得这些成绩,让你全程亲手经历了这些过程,但是他唯独不在乎你的感受。


    那如果说有这样一个人,你遇见了这样一个导师、长辈或者前辈,你觉得是你的幸运还是你的不幸?


    如果你在这整个过程中感觉自己毫无收获,你觉得是他的问题还是你的问题?

  • Crazy_Diamond 05-13 16:34
    4

    很多年前,当机器纺织的时代到来,纺织工人要做的不是努力提高自己的织布手艺,那毫无意义,而应该学习如何用好纺织机。

  • Tresta 05-13 16:36
    5

    能给AI当Tools本身也是AI时代很重要的能力,你看你们实验室不是还需要你分享当Tool的经验吗?


    比起质疑这段经历,佬有点看重结果了-佬看重的是自己有没有在这个项目中获得本事的结果(在另一个角度可以说是看重项目的过程),但项目本身出结果也很重要。


    AI时代是让大部分普通人从手工工人转化为机器操纵工的过程;佬是想成为制造机器的人,但有时候会用机器本身也很重要。不必对过去已经发生的事情焦虑。

  • miya 05-13 16:36
    6

    那Ai和纺织机相提并论还是欠妥,ai的角色更像一个没有主见的高级纺织机工人

  • KAZE桑 05-13 16:37
    7

    多询问,多实践

    既然你们实验室都用YOLO了,就大概应该知道实验室处于什么样的水平

    多实践,多搭建,多锻炼

    前沿领域工作需要大量的计算资源,如果实验室没有能力提供,退出是正确的

    但也没必要灰心,换一个更好的导师,很多情况下导师能力确实不如AI,或者导师在某些领域过度专精,他提供给你的信息其实也不如AI好,你可以考虑更多询问AI问题,多看论文,多让AI帮你读论文,然后自己理解,学会自己去理解你的工作。

    这个领域就是工程性的,我感觉也很偏结果论,有效果再回头看看消融,哪里涨点,再深入分析原因,没有结果其实分析也意义不大

  • zpljd 05-13 16:39
    8

    如果你想明白一个老板的价值在哪里,那你就回答了你自己现在在问的问题。

  • wei Carson 楼主 05-13 16:40
    9

    只是我负责YOLO,其他线有SwinTransformer,DBNet之类的

  • KAZE桑 05-13 16:42
    10

    都不是新东西呀…除非有什么很新的玩法,我感觉主要是太偏下游任务了,或者可能是我片面了,佬可以看看近期CCF-A在这个领域有没有什么产出,然后看看他们前沿工作的做法。

    YOLO是真的没什么好说的,SwinTransformer也超级老…

    这种选型,我觉得佬的实验室更多偏应用吧,或者工程,不是搞前沿学术的。

  • Rayn_V 05-13 16:44
    11

    我觉得还是重要的,可能技术方面不需要理解了,但是从业务层面还需要的,因为不同的人做出来的效果可能不一样

  • leo 05-13 16:47
    12

    AI时代下,学会用好AI也是一门功课,愿意花时间,花精力去梳理用AI的方法和流程,这对你将来使用更强大的AI模型的时候都是有帮助的。

  • wei Carson 楼主 05-13 16:49
    13

    确实是自己太想要结果,想要不被压力,最好自己彻底放弃了思考

  • 白玉京 05-13 16:53
    14

    理解在AI时代更为重要了,随着以后脑机接口的普及,保留原始碳基思考力的稀缺性就体现出来了

  • yuanzhi 05-13 16:54
    15

    我最近看了姚顺宇的采访有些感触,他说了一句话很有体会:现在大家都是冲浪的人,本质上是那个浪,而不是你那个冲浪的人。

  • yuanzhi 05-13 16:57
    16

    或者也可能佬做的工作太执行层了,导致没有什么作用,如果层次提高一些,比如分析选哪些方向,能够识破ai的一些问题,可能思路又不一样

  • Novert 05-13 16:57
    17

    最终结果是:我们 YOLO 线的准确率比Paper baseline 高出了 3%。


    按理说,这是一个不错的成绩。


    但看到结果的那一刻,我内心毫无波澜。



    这个就是答案,你会觉得空虚是因为你根本上认为一个真正有意义的科研创新是“不可替代性”的,但事实上绝大多数人能接触到的创新都不满足这个特性;


    换个角度思考,你没有借助任何AI工具靠自己努力完成了这项工作,结果发现已经被别人提前完成了。


    你觉得 自己会感到有 成就感 还是 失落?


    上面问题的答案才真正决定你在根本上是否想去投入科研创新。


    唯一区别只是那个提前创新的人变成了AI罢了。

  • chimo 05-13 16:59
    18

    AK 说的,思考可以外包,但理解无法外包。当前阶段

  • qy 05-13 17:03
    19

    理解肯定是有价值的,最近我朋友的文献结果看起来让ai改的很好,但是他看着不太对劲,经过追问才知道ai把真值往里混了 ^-^

* 帖子来源Linux.do
返回