AI 时代，计算机科学研究正在失去意义吗？

最近，来自德克萨斯大学奥斯汀分校（UT Austin）的计算机科学博士生曹晋提出了一个令人不安的问题：

计算机科学学术界已经死了吗？那像我这样的 AI 博士该何去何从？

来源：

在参与 ICLR 审稿过程中，他快速浏览了一些论文摘要，发现很多方法和他两年前刚进入 3DV（3D Vision）领域时学到的套路完全一样。

换一个更新的视频生成基础模型，套上类似的方法，然后一篇新论文就出来了。

这让人不禁怀疑：ICLR 那 6 万篇投稿里，到底有多少真正是人想出来的？

这种焦虑并非个例。

当大模型开始进入研究者的角色

过去，许多 AI 研究围绕一个明确路径展开：针对具体问题，设计新的模型结构，引入新的归纳偏置（inductive bias），然后在 benchmark 上不断优化。

但基础模型正在改变这一过程。越来越多案例表明，通用模型开始进入过去被认为需要专门设计的领域。

例如，World Labs 的 Atlas 展示了强大的 4D 场景理解与生成能力；而新一代大模型与 3D 工具、机器人系统结合后，也开始展现出令人意外的空间推理和操作能力。

曹晋回忆 GPT-6 Astra 发布后的场景：他的信息流中充满了 GPT + Bl

来源：机器之心