诺奖得主莱维特：人工智能拥有答案，人类需要提出好问题——研究生怎样练提问能力

2026年10月25日讯 据科技日报10月20日报道，在10月17日至19日举行的第二届国际人工智能科学家大会上，诺贝尔化学奖得主迈克尔·莱维特说：“人工智能拥有答案，而人类需要提出问题。一个好问题的价值，已经超过执行能力本身。”这位79岁的科学家说，ChatGPT上线没几天他就开始使用，如今人工智能彻底改变了他的科研工作方式。

为什么说好问题比执行能力更重要？

莱维特的判断背后，是科研分工的变化。检索文献、整理数据、写分析代码、画图，这些过去要花大量时间的执行工作，AI已经可以承担很大一部分了。报道指出，莱维特原本独自进行的操作，现在由6个智能体完成基本操作。当执行变便宜时，决定研究价值的更多是问题本身——问的是不是真的问题、有没有新意、是否可被验证。

他认为AI for Science是服务于科学家的，科学家应该处于研究中心，最厉害的科学家就是会提问的科学家。同一场会议上，图灵奖获得者杰克·唐加拉也提醒，“AI不可能包办一切”。对于研究生来说，两句话合起来才是完整的：工具越强，越需要会指路的人。

AI擅长回答问题，提出问题仍是研究者的工作（插画）

研究生可以怎样练习提出好问题？

提问能力不是天生的，可以在读文献的过程中刻意练习。一个有效的办法是读每篇论文时，都追问它没有解决什么：作者在讨论部分提到的局限，样本覆盖不到的人群，方法上做出的简化假设，往往就是下一个研究问题的起点。读得多了，就能分辨出哪些问题已经被反复研究，哪些问题还没有好的答案。

另一个办法是把问题写下来，反复修改。一个初步的想法，往往要经过几轮缩小范围、明确变量、找到可用数据的过程，才能变成一个可以开展的研究问题。开题之前，不妨先把自己的问题讲给导师和同门听，看看别人第一时间会提出什么质疑。

AI在提问这一步能帮什么忙？

AI不能替你决定研究什么，但可以帮你更快地了解一个领域。比如在PaperOK科研助手里使用“文献综述”或“课题设计”专家模板，让智能体围绕一个方向检索文献、整理已有研究的主要结论和争议点，引用可查可溯；你再在此基础上判断哪里还有空白。它也可以扮演挑刺的角色，针对你的研究问题追问可行性、数据来源和可能的混杂因素。

先把一个领域读透，好问题才会自然浮现（插画）

注意：AI整理的文献是起点，每条关键结论需要回到原文核实。问题是否是真问题，最终还是得依靠研究者自己对领域的理解。这就是莱维特那句话的另一种解释：让机器去寻找答案，让人来提出问题。

常见问题

问：让AI直接推荐几个研究选题可以吗？

可以作为参考，但不宜直接采用。按照中国学位与研究生教育学会的指南，核心论点和创新贡献必须由学位申请人自主提出并完成，选题方向最好在导师指导下自己确定。

问：PaperOK科研助手的专家模板有哪些？

包括文献综述、论文精读、实验复现、数据分析、课题设计、论文写作、审稿回复、学术汇报、科研绘图共9个模板，填空即可开始。