AI让科研协作变“孤独”？警惕Waymo效应

前阵子我帮一个跨学科小组复现一篇论文的实验环境跑了两天终于通了。真正让我难受的不是环境依赖而是组里没人能说清楚原始方法里那个关键 epsilon 是怎么定出来的。有人提议直接问 AI 大模型结果几秒钟就给了一个看上去非常完整的解释所有人都点头表示接受。那一刻我忽然意识到这大概就是 Waymo 效应在科研中的真实样子——AI 正在静悄悄地让研究变得不那么协作。我不是想否定 AI 工具。我自己每天在用 AI 编程助手、AI 智能体做实验分析也做过模型部署几乎离不开 AI。但正因为用得勤我才越来越清楚地感受到每一次“一个人 一个对话框”就能解决的事都在悄悄削掉原本需要两三个人凑在一起讨论才能产生的理解。这篇文章不是反对 AI而是想把效率背后的代价拆开说清楚 Waymo 效应到底是什么以及我们能不能在拥抱 AI 的同时把协作这件“慢事”留下来。1. 什么是 Waymo 效应从无人驾驶到科研协作1.1 Waymo 效应的原始含义Waymo 这个词来自 Google 的自动驾驶项目。驾驶这件事表面上是司机一个人的操作本质上是无数个“社会协商”串起来的变道前看一眼后车跟对面车闪灯示意在窄路会车时互相减速后面的车按一下喇叭提醒前车起步。这些动作不一定形成语言但它们在司机之间传递意图、建立默契。自动驾驶接管之后很多交互被算法优化掉了车能精准判断距离能预测轨迹不再需要人类驾驶员之间的“眉来眼去”。于是司机从参与者变成了监督者车里安静了但人与人的协作空间也被压缩了。我把这种现象叫做 Waymo 效应技术解决得越顺利原本为了解决问题而存在的互动就越容易被跳过。技术本身没有恶意它只是把那些“低效但有用”的中间过程抹平了。问题是在很多场景里那些中间过程才是知识、信任、默契真正的孵化器。1.2 从驾驶协作到科研协作同一套逻辑科研的日常工作同样充满这种“中间过程”。以前你要写一段数据处理代码可能得先跟隔壁组的同事讨论接口怎么设计你读不懂别人的模型会拉着原作者视频通话一行一行过你在清洗数据时发现一堆奇怪的异常值会跑到白板前跟学生一起猜原因。这些过程看起来低效但它们让信息在不同大脑之间流动让隐性知识有了落脚点。AI 进入科研以后很多低效过程被优化掉了。AI 编程工具可以自动补全函数AI agent 可以直接在你提需求之后生成整个脚本AI 大模型能帮你解释一个陌生领域的术语。一个人只要会问问题就能在十几分钟里完成过去需要开三次会才能推进的事。这听起来很美好但问题恰恰藏在效率里当每个人都不再需要向别人求助协作的动机就消失了。 不是 AI 故意让科研不协作而是几乎所有主流 AI 工具的设计原点都是单人助手它们重视响应速度、代码准确率、上下文长度却很少去衡量“团队共同理解增加了多少”。Waymo 效应在科研里泛滥本质上是一种产品形态导致的系统性偏向。2. 科研协作中正在消失的五个“共同动作”我观察了很久科研协作里有五种看起来很普通的动作正在被 AI 一项一项替代。它们单独看都不起眼但合在一起构成了团队交流的主要骨架。曾经需要协作完成的动作过去的价值被 AI 替代后流失的东西共同调试代码两人轮流提假设互相检查盲点对错误模式的集体记忆调试思路的传承复现实验时的参数考古邮件往来、翻文档、反复试错对模型边界条件的深层理解跨学科术语翻译专家用自己的话解释概念暴露假设术语背后隐含的不确定性数据标注与清洗多人对同一批数据给出不同判断认知分歧带来的研究灵感论文写作与同行反馈互相批注中间稿观点碰撞对论证结构的共同打磨2.1 共同调试被 AI 补全替代的交流场景过去结对调试两个人坐在一起一个人握着键盘另一个人盯着报错信息。每试一个方案都是一次“我怀疑是这里你觉得呢”的对话。这种对话的价值不只是修好 bug而是让两个人同时建立起对代码复杂度的感知。常见的坑、诡异的边界条件、历史遗留的坏味道都会在一次次的共同调试里沉淀成团队经验。AI 编程工具出现以后报错信息可以直接贴给模型修复建议几乎秒回。于是最常见的画面变成两个各写各的谁遇到问题谁自己问 AI写完以后在 PR 里对一下结果。代码看起来没毛病但团队里没有一个人能说出“这段逻辑为什么这样设计”。共同调试消失后错误模式的记忆断了。下次遇到类似的并发问题新人照样抓瞎而 AI 只能针对当前报错给补丁没法传递那种“这个模块以前总出幺蛾子”的直觉。2.2 复现实验时的参数考古复现别人的实验过去是一门“考古学”。你得给作者发邮件问清楚那个损失函数里的系数到底怎么调的你得翻看论文 supplementary 里不起眼的脚注甚至要从历史 commit 里找线索。这个过程很磨人但正是在追问参数的过程中你会真正理解一个方法的原理它为什么对初始化这么敏感为什么换一个数据集就要改正则项权重AI 大模型彻底改变了复现的方式。现在只要把论文摘要贴进去它就能生成看起来可运行的实验配置甚至连“常见的参数范围”都会自动给出。于是很多人不再给原作者写信不再逐行对比实验设置的差异而是直接信任 AI 生成的结果。表面上是节省了时间实际上丢失了最重要的东西对“为什么是这个值”的追问。2.3 跨学科术语翻译科研合作里最难也最有价值的环节是跨学科的人互相解释术语。生物学家跟计算机科学家讲“表观遗传修饰”计算机科学家跟生物学家讲“注意力机制”双方都要用自己的直觉去翻译对方的语言。为了让对方听懂你必须把隐性的边界条件说出来比如“这个机制只在特定细胞状态下才显著”。这种解释过程经常会让科学家重新审视自己的假设。现在AI 生成的跨学科解释又快又流畅。一个不懂生物学的算法工程师可以直接让 AI 把“DNA 甲基化”解释成“给基因组贴便签”听起来很有画面感立刻就能继续干活。但问题在于AI 的解释是为了让对话顺畅而生成的它倾向于消除歧义而不是暴露不确定。于是两个团队很容易在同一个词的两种理解上各做各的直到最后合并结果时才发现南辕北辙。跨学科翻译一旦交给 AI表面上沟通效率提高实际上的“校准成本”被延后了。2.4 数据标注与清洗在数据密集型研究里标注和清洗从来不是纯粹的体力活。几个人坐在会议室里对着同一张数据表讨论“这条记录算异常吗”会因为各自的研究视角给出不同答案。这些分歧是宝贵的研究素材它们往往指向概念定义的模糊地带也常常催生新的研究问题。比如你在做医疗文本清洗时发现不同医生对“阴性”的理解不一样这个分歧本身就值得研究。AI 自动标注工具把这些分歧抹平了。模型会对同一批数据给出统一、自信的判断标注规则由算法固定很少产生争议。于是团队不再需要坐在一起对齐认知数据流水线可以一个人维护整个研究过程变得顺畅但同时也变得扁平。那些意外发现“原来大家想的并不一样”的瞬间正是科研灵感的重要来源现在被效率优化掉了。2.5 论文写作与同行反馈共同写一篇论文最痛苦的阶段也是最有价值的阶段把半成品草稿发给同事等待红色批注密密麻麻地落回来。那些批注往往是质疑、反问、甚至看不懂的困惑。为了回应这些困惑作者必须拆开自己的论证重新组织逻辑。这个过程会逼你把“听起来有道理”变成“可以被验证的”论述。现在 AI 辅助写作已经非常普遍很多人习惯了自己的思路刚冒头就交给 AI 扩写、润色、提炼。论文变成一个人跟模型反复迭代的产物等到交给同事时已经不再是充满毛刺的中间稿而是一篇行文流畅的“成品”。同事看到成品往往只给一些客套赞美真正有价值的质疑反而被光滑的表面劝退了。审稿反馈也类似越来越多审稿人借助 AI 辅助撰写意见输出的是模板化的“建议增加基线比较”“建议补充消融实验”而不是针对工作的深入思考。这样一来学术共同体最基础的反馈机制正在被 AI 的“高一致性”悄悄削弱。3. 我用 AI 工具做研究时的实测体验哪些环节确实变“孤独”了理论说了一堆我再用自己的实际经历来聊聊。过去半年我在一个自然语言处理项目里同时用到了 AI 编程、AI agent、AI 大模型和模型部署工具可以说效率提升非常明显但我也真真切切感受到协作在减少。3.1 从 AI 编程助手到 AI Agent团队的共同意义感在消失最开始我用的只是行级代码补全。说实话它没有太破坏协作因为每个人写的代码还是会进入同一个代码库Review 时大家还是会讨论。真正让我警觉的是我开始把任务交给 AI agent让它自己读 issue、写代码、跑测试、提 PR。有一次它自动处理了一个数据清洗模块把所有函数封装在一个“一站式”入口里功能完全正确测试也过了。但等到团队评审时大家发现了一个问题没有人知道这个模块的内部边界为什么这么切。原本我们前端和后端分别维护两个不同的数据子集需要的是两个独立入口而 AI agent 为了提高“整体效率”把它们合并了。功能没错架构却偏离了团队共识。更麻烦的是因为 PR 是 agent 开的团队成员缺少那种“这是我写的我解释给你听”的归属感评审变成了走流程而不是讨论。那次之后我意识到AI 编程助手只是在工具层面辅助AI agent 则是在行为层面替代了“人通过协作形成共识”的过程。3.2 模型部署后的隐形隔阂另一个让我印象深刻的场景是模型部署。之前我们团队部署一个小的检索模型一开始都是我先手动写 Dockerfile、配置 API 网关每次都要拉着后端同事一起排查依赖冲突。虽然过程痛苦但部署完成后团队至少对“模型跑在哪个端口、推理请求怎么走到 GPU、日志从哪里看”都有共同认知。后来我尝试用 AI 工具自动生成部署脚本它把 Dockerfile、Nginx 配置、健康检查接口全写好了一条命令就能起服务。部署变得异常顺利但团队里随后出现了一个隐形隔阂后端同事不再清楚模型推理服务内部是怎么组织的他也不需要清楚因为 AI 写的配置已经能跑。这个月系统出过一次显存泄漏我们两端的人花了很久才重新建立起对调用链路的共同理解。AI 部署工具把技术摩擦减少了但也把本该通过摩擦来传递的经验藏进了黑箱。3.3 一次“太顺”的复现实验最让我警惕的是一次复现实验。我们试图复现一篇对比学习论文里的方法按过去的经验至少要折腾一周下载数据、确认预处理细节、跟原作者沟通缺失参数。但这次我用 AI 大模型直接生成了完整的训练脚本和预处理流程第一次启动就成功跑到了和论文接近的指标。所有人都很高兴除了我。因为太顺了。我试着追问 AI为什么这里要用 temperature 0.1而不是 0.5模型给了一个标准解释听起来很合理但我心里清楚它只是根据常规实践做了推断未必是最初作者的真实考量。后来我通过另外的渠道联系到原作者才发现那个值是在特定负样本数量下的经验产物换一批数据可能完全不一样。如果当时我们都满足于 AI 的“顺滑复现”就会把一个偶然设置当成通用规则写进自己的方法里。“太顺”的实验没有让我们学到东西反而让我们失去了向彼此提问的机会。4. 为什么协作变少会让科研质量受损有人可能会说只要结果对协作少一点有什么关系这个问题恰恰是 Waymo 效应最危险的地方。科研和工厂流水线不一样结果是次要的理解是主要的。协作减少直接伤害的是团队的理解能力而理解能力一旦退化短期内项目还能用 AI 撑着走下去长期一定会反噬。4.1 隐性知识无法沉淀团队协作最核心的产品不是论文不是代码而是隐性知识的沉淀。老研究员看一眼 loss 曲线就知道该调学习率新人跟着调试三个月才能培养出同样的手感。这种知识没法写进文档只能靠共同经历来传播。AI 的介入让“看一眼 loss 曲线”变成了“让 AI 自动调参”。效率很高但团队里没有人积累下“为什么这个曲线有这个形状”的直觉。隐性知识一旦断代就会造成一个很尴尬的局面项目离开 AI 工具就无法推进离开核心的那一两个会问 AI 的人就更无法推进。整个团队的能力被外包给模型而不是内化成团队的资产。4.2 交叉验证失效独立验证是科研的底层安全网。过去两个人用不同方法验证同一个结论即使一个方法有 bug另一个方法也可能兜住。这份冗余不是浪费而是可靠性的来源。但如果大家都依赖同一个 AI 模型生成代码、分析数据、解释结果那么错误就不再是个体的而是系统性的。同一个模型对同一个问题给出的偏差会像复制粘贴一样出现在所有人的结果里。这就是 Waymo 效应最隐蔽的伤害它不是让单个人变笨而是让所有人在同一水平线上犯错。你失去的不只是协作而是“不同视角碰撞出盲点”的纠错机制。独立评审、复现实验、交叉验证这些科研的保险丝都会被同一个 AI 共识烧断。4.3 群体智慧退化为提示词工程好的科研团队像一张网每个人都有独特的知识背景讨论时信息在网络里交叉、碰撞、产生化学反应。当 AI 成为每个人的默认对话对象后这张网被切成了一个个节点每个节点都在跟同一个模型私聊。看起来每个人都能快速产出但节点之间的真实连接变少了。更可怕的是为了让 AI 产出更好的结果大家开始各自钻研提示词技巧把这些技巧当成“私房秘密”不愿意分享。因为分享提示词等于分享自己的研究方法。于是团队协作从“如何一起解决问题”变成了“如何各自向 AI 提问”。群体智慧没有消失但被降维成了个人提示词工程。这种退化会在项目复盘时暴露得特别明显大家讲不清楚自己为什么做某个决策只能展示“我是怎么问 AI 的”。5. 如何在用 AI 的同时救回协作可落地的做法说了这么多坏处总得给点解法。我的立场不是回到没有 AI 的时代那既不现实也没有必要。真正值得做的是在设计工作流程时把协作触点重新放回去。下面几个方法都是我实践过的可以直接抄作业。5.1 约定 AI 产出必须经过“团队审校会”最容易执行的一条凡是 AI 生成的关键结果不能直接进入代码库或实验报告必须先经过一次 15 分钟的团队审校会。审校会不需要看完整代码只需要回答几个问题这个结果是解决什么问题它用什么数据它假设了什么我们是否同意这个假设通常只要开一次会你就会发现不同人对同一段 AI 输出的理解差异极大。把这些差异摊开本身就是一种协作。建议按下面这个模板记录审校结论简单但有效问题团队共识待确认项负责人AI 解决了什么处理缺失值是否所有缺失都应填充而不是删除张三使用了什么数据训练集 验证集测试集没参与确认李四隐含假设缺失机制完全随机可能与标签相关王五有了这张表AI 就不是一个黑箱答案而是一个需要讨论的提案。5.2 用“结对 AI”替代“单人 AI”过去我们做结对编程两个人共用一块屏幕。现在可以升级成“结对 AI”两个人仍然坐在同一个环境里但由一个人负责使用 AI 工具提问另一个人负责验证和追问。AI 给出代码后负责追问的人必须做三件事指出一个潜在风险提出一个改进假设说一句“我不同意这里的某个细节”。哪怕只有一个十分钟的 session也会让协作回来。因为 AI 不需要被说服但你的搭档需要。这种模式会让 AI 产出从“权威答案”变成“讨论素材”而且能很自然地保留对话日志后续还可以追溯当时为什么做了这个设计决定。5.3 给 AI 工具建立模型卡片和决策日志在团队内部我给每个使用的 AI 模型建了一张卡片记录模型版本、上下文长度、采样参数、使用的 prompt 模板、以及人工审核状态。这听起来像 AI 工程实践里的规范其实不需要那么重一张表格就够。字段示例模型名称与版本gpt-4o-2024-08用途代码补全、论文摘要使用日期2025-01-12生成结果的上下文issue #233 中的环境报错人工审核结论方案可行但需修改边界条件审核人李四关键是最后两列人工审核结论和审核人。只要坚持填写团队就会习惯“AI 输出只是中间产物必须有人背书”。决策日志也一样记录哪个关键实验参数是通过 AI 建议确定的为什么接受为什么拒绝。这样即使协作变少了至少还保留着可审计的团队记忆。5.4 把 AI 生成的中间结果当成提案而不是答案我给自己定了一条规矩AI 生成的方案一律以“提案”身份进入协作流程而不是以“结论”身份写进文档。具体操作很简单把 AI 生成的分析结果放在独立的草稿区加上“AI 生成、待评审”标签然后以评论或 issue 的形式 相关同事要求大家回复。这会强制结果穿过人的判断而不是直接从模型流向仓库。团队里后来形成了一种习惯收到带“AI 提案”标签的内容会下意识多问一句“这个假设从哪来的”。这样的疑问越来越多协作就会慢慢回来。5.5 保留没有 AI 的协作仪式最后一条听起来有点反直觉至少要保留一个完全不用 AI 的协作场景。我们团队的做法是每周一次“白板推导”拿一个真实问题关掉所有显示器只用白板和记号笔一起推公式、画架构、写伪代码。白板上没有自动补全没有上下文窗口你必须直接用语言把想法解释清楚别人也才能直接追问。这个仪式不需要很长时间半小时就够但它强制所有人找回一种能力在没有脚手架的情况下面对面把复杂的事情讲明白。无论 AI 多强大这个能力都是科研协作的底座。如果连这个都丢了那我们就真的把方向盘完全交给了系统的自动驾驶再也不需要会和别人打手势沟通的那一刻了。6. 一点个人体会折腾了大半年我现在对 AI 的态度很明确用但要带着警觉用。Waymo 效应不是不可逆的但它也不会自己消失。AI 设计得越“懂你”你越容易滑进一个人作战的舒适区。我会定期问自己一个问题这个星期我和同事之间有没有发生过一次没有任何 AI 介入的深度讨论如果答案是没有那不管实验跑得多快我都会停下来重新设计协作的入口。最后再分享一个小技巧把 AI 工具当成团队里的“实习生”而不是“权威顾问”。实习生给你方案你得拉着大家一起审审完还得讲清楚为什么采纳、为什么不采纳。这个过程会把人与人之间的讨论拉回到工作流里。AI 让我们每个人都不再需要问路但科研的风景从来都是两个人边走边聊才看得见的。