OpenAI深度研究分分钟完成博士论文引争论

这是来自是推特个人经历，感叹人工智能（AI）的快速发展，特别是OpenAI刚刚推出的“深度研究”（Deep Research），作者是泰勒·科文（Tyler Cowen）。

他说这款工具能在几分钟内写出高质量的、相当于博士水平的研究论文，还提到它的效率和准确性，因为它内置了“o3模型”。

帖子说AI技术进步得特别快，快得让人惊讶。

泰勒·科文说他用“深度研究”写了很多十页的论文，质量很高，相当于一个厉害的博士研究员写的。

• 效率超高：这个工具只要五六分钟就能完成任务，而人类研究员可能要花几周时间。
• 准确无误：因为用了“o3模型”，这个工具几乎不会出错。
• 啥都能写：这个工具好像什么话题都能写，非常全能。

这个帖子很火，到2025年2月4日已经有38.37万次浏览。这说明大家对Deep Research高级AI工具在研究和教育中的作用和影响特别感兴趣。

网友1：
这个AI工具确实有时候会出错。我在研究法律的时候用过它，有时候它会“瞎编”一些东西，让人误以为某些法律条款是真的。它确实很好用，但我觉得它在法律研究里大概有10%到15%的内容是“瞎编”的，至少在法律领域是这样。

网友2：
AI“幻觉”问题确实存在，但有趣的是，这种“幻觉”有时候反而能带来创造力。比如，创造力和研究的价值就在于找到解决问题的新方法，或者通过数据来讲故事。所以，如果他们太努力去减少“幻觉”，可能会让这个系统想出新点子的能力变弱。

不过我觉得，这也是“深度研究”现在特别有意思的原因之一——它能做到一些我们根本想不到的事情。

网友3：
作为一名研究人员，我现在的答案是不行。虽然我工作中写代码的部分变得更容易了，但知道怎么处理数据、怎么检查分析结果对不对、要找出哪些错误、首先要查什么等等，这些并没有变得简单。

最近的例子：我在做神经科学的研究，正在写一篇关于做梦的文章。我想知道我们在不同的睡眠阶段做梦的频率。我知道大概的数字，但没有去仔细查文献找一个合适的范围或者最新的、最好的估计值（用可靠的方法），而是去问了深度研究。这看起来是个完美的选择。可惜，结果并不好。它选了一个“常识”的答案，因为这是文献里最常见的答案。但我知道这个答案不对。实际上，它没找到任何一篇和它总结的内容矛盾的文章。

从某种角度来说，它已经过时70年了 :p

写代码也有类似的情况。我见过有人用 ChatGPT 几个小时就做出了漂亮的图表和结果（甚至直接把数据输进去），但这些结果都是错的。他们分辨不出来，因为他们以前没处理过这种数据。他们不知道怎么看分析结果是不是“健康”的。

但以后呢？什么时候它能读完 Sci-Hub 里所有的 PDF？什么时候你可以问它你的数据看起来好不好？哦，那肯定没问题。不过，我对短期（5年内）还是持怀疑态度，因为我不指望它会“好奇”。也就是说，我不指望它会质疑你或者它自己，去思考它做的东西是不是真的正确。比如，过去50年的研究是不是真的有效？标准的分析方法是不是真的适合这种情况？