被禁在学术演讲中使用ChatGPT，学者称这是歧视

背景

本文作者 Dr. Rachel Simmons 是斯坦福大学的博士后研究员，正在求职学术界的终身教职。她近期在一所位于康涅狄格州的研究型大学（作者暗示校名与“Fail”押韵）面试了一个终身教职岗位。面试过程整体顺利，演讲和一对一交流都受到好评，但随后的“chalk talk”——一种传统的学术面试环节，要求候选人在黑板上即兴绘写未来研究计划，不得使用幻灯片——让她遭遇了意想不到的阻力：当她准备使用 ChatGPT 来辅助回答问题时，被面试委员会制止，并因此最终被拒。作者认为这是对现代科研工作方式的歧视。

核心内容

作者在 chalk talk 环节打开笔记本电脑，准备像平日做科研一样，在 ChatGPT 中输入提示词，然后获取有条理的回复，再稍加编辑后呈现。但委员会主席看到她打开浏览器窗口后，询问她在做什么。作者回答“准备回答问题”，并反问“不然我该怎么做？”委员会表示需要“凭借记忆，只用大脑，像中世纪农民一样”回答问题。

作者声称自己是一名优秀的科学家，发表了多篇高影响力期刊的一作论文，获得过独立资助，指导过学生。然而，她估计自己约85%的工作是通过向大型语言模型输入提示词，然后适度编辑输出结果完成的。她举例说明：撰写论文时用 ChatGPT 写引言；设计实验时用 Claude 建议对照方案；撰写基金申请时请 AI 草拟具体目标。她认为这就是现代科学的工作方式——高效、现代、能产出成果。

在会谈中，当一位教授请她“用自己的话”解释科学方法时，作者表示自己从2022年起就不再使用“自己的话”了，甚至不确定自己是否还有“自己的话”。没有提示框的情况下，她的思维只能变为模糊的雾气和光标闪烁的回声，无法组织成段落。她向委员会指出 chalk talk 方式过时，不能反映现代科研实践，评价一位科学家不使用 AI 工具就像评价木匠不允许用锤子。委员会未被说服。

当她被要求画出研究的信号通路图时，她发现节点、箭头、连接等细节都存储在云端而非自己的大脑中。她勉强画了两个圆圈并连线，试图蒙混过关。最终她没有获得这个职位，拒信中委员会提到“对独立思考能力的担忧”和“基础知识方面的疑问”。作者认为这是不公平的：她每天都在独立地选择 AI 给出的最佳选项，这本身就是科学判断。学术招聘系统偏爱那种“表演性的智力主义”——在白板前即兴演讲，像19世纪博物学家那样亲历观察——但这已经不再符合实际科研方式。

作者转而申请工业界职位，因为工业界文化更接受 AI 增强的认知能力。她对自己前景乐观，但仍为后来者感到愤怒——他们将带着笔记本电脑和准备好的提示词走进面试室，却被告诉“这里不这样做事”。但事实是：一切都是这样做的，只是学术界还没跟上。

关键要点

• 作者在终身教职面试的 chalk talk 环节被禁止使用 ChatGPT，委员会要求她仅凭记忆和脑力回答问题。
• 作者认为她约85%的科研工作（写论文、设计实验、写基金）都依赖大语言模型提示和编辑，这已是现代科学的常态。
• 作者声称离开 AI 后她的思维无法组织成连贯段落，因为她早已习惯使用提示词而非自主记忆。
• 她将禁止使用 AI 类比为不允许木匠用锤子，认为 chalk talk 是“1974年设计且从未更新”的过时仪式。
• 委员会最终以“独立思考不足”和“基础知识存疑”为由拒绝了她；作者辩解称选择 AI 给出的选项本身就是独立判断。
• 作者批评学术招聘系统偏爱即兴演讲能力，但实际科研已转向“提示、迭代、部署”的工作流。
• 她已转向工业界求职，认为那里对 AI 增强认知的接受度更高。

意义与影响

这篇文章以极具争议性的视角揭示了 AI 时代学术界与传统评估体系的深层矛盾。作者将个人经历上升为对学术招聘体系的批判，其核心意义在于：

1. 科研工作方式的代际断裂：年轻一代科学家已将大语言模型深度嵌入日常科研（写作、实验设计、基金撰写），但作为学术入口的招聘环节仍然坚持“无辅助”的即兴考核，导致候选人与评审者之间的认知鸿沟。

2. 对“独立思考”定义的挑战：作者提出，在 AI 辅助下选择最优输出本身就是一种判断力，这挑战了传统上“独立”必须排除外部工具的观念。但反驳者可能认为，这种“选择能力”与自主构建知识结构的能力存在本质区别。

3. 学术界的适应滞后性：工业界已更普遍地接受 AI 工具作为认知扩展，而学术界（尤其是终身教职评审）仍固守过时的“粉笔+大脑”仪式，可能加速优秀人才向产业界流失。

4. 伦理与公平性问题：如果 AI 辅助成为科研主流，那么禁止使用的评估是否构成对使用者的歧视？反之，是否应当要求所有候选人都使用 AI 来确保公平？这引发关于评估标准应如何随技术变革而调整的讨论。

5. 潜在的风险：过度依赖 AI 可能导致科学家丧失基础推理、记忆和即兴表达能力，甚至使科研沦为“提示词的嵌套”。文章作者所描述的“一旦没有提示框就思维空白”的极端情况，恰恰暴露了对 AI 过度依赖的脆弱性——这可能不是学术界过于保守，而是作者自身的科研能力存在结构性缺陷。

无论如何，这篇文章反映了生成式 AI 普及后，知识工作者的身份认同与评价体系之间正在发生的剧烈碰撞，其影响将远超学术招聘本身，涉及教育、培训、专业认证等更广泛的领域。