讨论AI在科研和写作中的作用时，经常会遇到一种判断：AI只能辅助，真正的原创必须来自人。我觉得，这个说法需要先弄清楚，我们究竟在评价什么。学生的学习、科研人员的能力评价，以及实际生产中的问题解决，对原创性的要求并不完全相同。如果不区分这些情形，一概排斥AI作出的实质贡献，就容易把不同的问题混在一起。
先说学生。老师布置一项作业，目的通常是让学生通过这个过程掌握知识，并判断他是否真正学会了。假如学生正在学习递归，AI替他写出了一个运行正确的函数，这只能说明他拿到了一段可用的代码，不能说明他理解了递归。老师需要进一步问他，为什么这个函数会终止，哪些输入会出现问题，如果条件发生变化又该怎样修改。学生能够自己解释、调整和处理这些问题，才能说明学习发生在他身上。
这里所说的“原创”，很多时候其实是独立完成和独立思考，并不要求学生发现人类此前不知道的新知识。学生解出一道已有标准答案的数学题，也可以完成很有价值的学习。教学要辨认的是，他有没有经历并掌握必要的思考过程。因此，在考察这些能力的时候，不能让AI把被考察的部分全部代替掉。
这也不意味着学生不能使用AI。查询资料、核实事实、头脑风暴、梳理论证、修改语言和翻译，都可以是有用的学习支持。不过，具体边界仍然取决于学习目标。如果一项练习本来就是考察翻译能力，那么让AI完成翻译，就已经替代了这次练习要考察的工作。不能把某种用途永远归为辅助，而不看当时究竟在学什么。
科研人员的晋升和能力评价，也有类似的问题。成果有价值，并不自动说明其中所有贡献都来自提交者。既然评价对象是这个人，就需要辨认他提出了什么问题、选择了什么方法、完成了哪些关键推理，以及如何检验结论。AI可以参与，但不能因为成果最后由一个人提交，就把生成过程中所有新的贡献都算到这个人名下。
实际工作中的要求则有所不同。公司需要实现一个功能，首先关心的是这个功能是否符合需求，代码是否可靠、便于维护，能否与现有系统配合。如果AI生成的代码经过检验，确实达到了这些要求，就没有必要为了保留人工编写的痕迹，再要求程序员手写一遍。同一段代码，作为学生掌握知识的证据可能不充分，作为工程交付的一部分却完全可能合格。
在这种情况下，AI承担更多生成工作，未必是坏事。只要它在具体任务中能够改善质量、提高效率，或者帮助完成原来难以完成的工作，就有理由鼓励使用。这里需要评价的是实际效果，而不能仅凭“这是AI生成的”就降低对成果的评价。
不过，企业鼓励AI编程，甚至把使用AI纳入工作要求，也不能直接证明AI的代码质量一定比人高。企业可能同时考虑速度、成本和工作方式的变化。有关编程的研究也说明，效果需要放在具体条件下判断。一项2025年公布、涉及4,867名开发者的研究，汇总了三家企业的随机对照实验，发现获得AI编程工具的开发者完成任务的数量增加了约26%。这支持AI在这些工作环境中提高生产率，但不能直接等同于代码质量提高了26%。[1]
另一项同年公布的研究，让16名有经验的开源开发者在自己熟悉的项目中完成246项任务，结果是允许使用当时的AI工具时，完成任务的时间平均增加了19%。这项研究的样本和场景都有限，也不能据此否定AI编程的价值。[2] 两个例子放在一起，更能说明评价为什么需要具体。它们研究的是特定时期的工具和工作环境，不能直接当作今天所有AI编程工作的结论。模型、任务和协作方式都在变化，判断也需要随证据更新。
生成式AI的可靠性同样要这样看。以Transformer为基础的语言模型，生成一段看起来连贯的解释，并不等于这段解释已经经过严格的逻辑验证。它仍然可能编造资料、遗漏条件，或者把不成立的推理写得很顺畅。检索、执行代码、外部测试和反复检查，可以在一定条件下减少错误，但不能笼统地说，经过智能体多轮检查，幻觉就已经降到最低。反复生成和反复赞同，也可能只是重复同一个错误。
同时，生成过程有不确定性，也不意味着生成结果永远只能停留在不确定的状态。一段由AI写出的代码，可以接受外部测试；一个由AI提出的数学证明，也可以交给形式化工具核验。如何产生一个候选答案，与如何确认这个答案是否成立，是两个不同的环节。人的直觉也会出错，我们同样不会仅凭一个想法最初来自直觉，就否定它经过严格验证之后的价值。
因此，不管AI参与多少，我认为都应当保留一个基本要求：以自己的名义提交成果的人，必须理解自己提交的内容，并对接受这项成果的理由作出判断。仅仅说“这是AI给我的答案”，不足以承担作者或研究者的责任。
这种要求不只适用于自然科学。社会科学中的事实、材料和论证，也需要能够查证。引用的调查是否真实，样本是否支持结论，访谈如何开展，材料是否遗漏了相反的情况，这些都有可以追问和核实的地方。对于解释性或规范性的论述，也需要把概念、前提、推理和价值判断说清楚。不同研究的检验方式可以不同，不能因此省去证据和论证。
比如，AI写出一篇关于某种社会现象的文章，作者不应只检查文字是否通顺。他还需要知道，哪些句子是在陈述事实，哪些是对事实的解释，哪些是自己的价值判断。如果别人提出另一种解释，他能否说明自己为什么选择现在的解释，又有哪些证据可能让自己改变判断？这些问题，不能靠文章表面的完整和流畅来回答。
程序设计也是如此。即便一个局部功能主要由AI完成，提交者仍然需要理解它的关键行为、输入输出、异常情况，以及它与其他部分的关系。尤其涉及架构、模块协调和需求取舍时，不能因为局部代码通过了测试，就认定整个系统已经正确。AI可以参与这些工作，人也不必亲手生成每一个细节，但负责交付的人必须能够说明系统为什么这样组织，以及哪些部分已经验证，哪些部分仍有不确定性。
数学把这个问题推到了一个更严格的位置。大量例子成立，通常还不能证明一个针对无限多个对象的命题成立。AI给出一段貌似严密的证明，也不等于它已经成为定理。我们需要核验命题、前提和推导，而不能用模型过去答对过多少题来代替这一次的证明。
这里又需要区分“可验证”和“可理解”。以Lean这样的形式化证明工具为例，证明可以由其逻辑内核按照规定的形式规则检查。接受一个结果，还需要核对所依赖的公理、证明是否完整，以及形式化命题是否准确表达了原来的问题。[3] 这种核验与让另一个聊天模型说“我认为它是对的”，性质并不相同。
假如一份证明很长，没有任何一个人逐行读完，但它已经得到可靠的形式化核验，不能仅仅因为人没有逐步理解，就把它降格为概率性的经验定律。证明是否成立，与人是否充分理解了证明的思路，是两个层次。形式核验可以给出接受结论的重要依据，但未必同时给人带来对证明结构和数学意义的理解。
我所强调的人类理性把关，应该落实在这里。人需要知道命题究竟说了什么，采用了哪些前提，核验方式为什么足以支持结论，以及这种信任还依赖什么条件。如果一个结果只有机器宣称正确，人既不知道它证明了什么，也无法说明为何可以相信它，那就不能把机器的自我肯定当作充分依据。
其他领域可以更多依赖实验和经验检验，但也不能简单理解成“正确率达到某个比例就可以了”。检验是否合适，要看它测量了什么、适用于什么条件、漏掉了哪些情况，以及错误会带来什么后果。人未必需要知道一个模型内部每一步如何形成输出，却需要理解用来接受输出的证据和方法。这种理解，才使最后的接受成为有根据的判断。
怎样判断一个人是否真正消化了AI提供的内容？我觉得，可以借用教学中的一个办法：看他能不能把这些知识教给别人。
这里的“教给别人”不能只是把生成的文字重新讲一遍。别人可能从不同角度提问，可能改变条件、提出反例，也可能问到事先没有准备过的地方。如果一个人真正理解了，他就应当能够沿着这些问题继续解释，说明哪些判断仍然成立，哪些需要修改。即使不能立即回答，也能够准确指出问题卡在哪里，还缺少什么信息，而不是只能再让AI替自己生成一段回答。
当然，这不是要求一个人无所不知。能够教给别人，是检验理解的有效办法之一，并非理解和正确性的充分保证。一个人也可能把错误的东西讲得很清楚，所以解释能力仍然需要与证据和验证相互配合。
我说“即使拿掉AI，也能够独立解释”，也不是要求人脱离文献、代码和验证工具，凭记忆重现全部细节。它指的是，人不能完全依赖AI临时替自己应答。他需要真正掌握成果中的核心概念、关键依据和适用边界，能够进行讨论、回应质疑，并判断接下来需要查什么、验证什么。
到这里，原创性还可以进一步分成两个评价尺度。一个尺度是把人和AI合在一起，作为产生这项成果的协作整体，考察它是否提出了新的问题、思路、方法或理论。从这个尺度看，原创贡献不必全部来自人，也不能因为AI参与了关键步骤，就否定整个成果的原创性。当然，把人和AI放在一起，并不意味着成果自动具有原创性，仍然需要与已有的知识和方法比较。
另一个尺度是进入这个协作过程，进一步辨认人的贡献。问题是谁提出的，最初的思路从哪里来，关键方法如何形成，哪些地方是人作出的修正，哪些是AI生成的，这些仍然有必要区分。整体成果具有原创性，与其中的人类作者具有多大原创贡献，是两个不同的问题。尤其在评价一个人的研究能力时，不能直接用前一个判断代替后一个判断。
这也是为什么理解和原创贡献必须分开。学生完全理解了老师讲解的证明，说明这项知识已经被他掌握，但不意味着证明是他原创的。一个人即使充分理解、消化和吸收了AI提出的方法，能够独立解释并回应质疑，也不能仅凭这些，就把方法的全部原创贡献归到自己名下。掌握一个已经提出的方法，与自己提出这个方法，检验的是有联系但不完全相同的能力。
人类原创与AI原创的区别，还需要从成果的形成过程来理解。一个人提出新的观点或解决方案，背后可能有长期的知识积累、形成已久的思考习惯，也可能有一个持续多年的怀疑或始终没有得到满意回答的问题。这些积累和追问参与了他的原创过程，但最后写出来的几句话、一段推导或一个方案，未必能充分呈现它们。人的原创能力有长期形成的源头和过程，不能轻易由一篇生成出来的成果替代。仅仅比较最终成果的文字和形式，容易忽略人类原创所具有的这种形成背景。
AI同样依赖训练中形成的能力，也可能利用上下文和持续保存的信息，但这些不能直接等同于一个研究者个人的长期积累、思考习惯和持续追问。人和AI可能提出同样有价值的新方法，却通过不同的过程形成它们。这里强调形成过程的区别，不是要否定AI能够作出原创贡献，而是要说明，即使最终结果相似，人类原创与AI原创也不能因此被视为完全相同的事情。人理解并吸收了AI提出的方法，也不会使这项方法原先的形成过程变成人自己的原创过程。成果是否有效、提交者是否理解、原创贡献如何界定，仍然是三个有关联但不能相互替代的问题。
在评价个人能力和贡献时，需要把这些问题分别说清楚；在实际解决问题时，则不必把“必须由人亲自生成”设成普遍门槛。AI可以从资料整理、语言修改，进一步参与代码生成、方案提出和理论推演。参与程度提高以后，对人的要求也应落到更具体的地方。以自己的名义提交一项成果，就应当说得清其中哪些已经确认、凭什么确认、哪些仍然存疑，并能够应对与成果有关的实质性追问。在这些条件下，即使AI参与很深，这种合作仍然值得允许；如果它确实带来了更好的结果，也值得鼓励和认可。
参考资料
[1] Cui等，The Effects of Generative AI on High-Skilled Work: Evidence from Three Field Experiments with Software Developers。Microsoft Research，2025年6月研究页面。文中数据指任务完成数量的变化，不是代码质量的变化。
[2] Becker等，Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity。METR，2025年7月10日。文中引用的是2025年初工具在该实验场景中的结果，不代表当前所有工具和任务。
https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
[3] Lean官方文档，Validating a Lean Proof。说明形式化证明的核验方式、所依赖的公理及命题含义检查等条件。
https://lean-lang.org/doc/reference/latest/ValidatingProofs/
资料核验日期：2026年10月14日。
了解 Geoffrey Chen 的更多信息
订阅后即可通过电子邮件收到最新文章。