你可能早已发现,如今很多重要研究都来自于交叉学科。因为在单一学科领域「寻找低垂的果实」已经越来越难。
一个学科初创时,开拓者和先锋人物往往都能获得许多唾手可得的优秀科研问题,并迅速完成和发表。因为当标准还没有形成时,学术界的共识往往比较宽容。然而,随着时间推移,这种机会将变得非常难得。
举例来说,ChatGPT 刚出现的时候,只要写与它相关的题目,往往能获得很多关注。而且随着时间的积累,也会获得更多引用和下载量,从而形成正反馈循环。
然而时过境迁。ChatGPT 从推出至今,还没到 2 年,一般的介绍和应用文章,恐怕早已无法获得大家的特别关注和认可。甚至,如果缺乏深度,恐怕连发表出来都很困难。
如果你不能成为一个领域中引领潮流的那一部分,却需要在这个学科找到自己的切入点,那就需要具备「选题的跨度」。
从单一学科的观点、视角走不通的时候,你将不同专业、学科的视角结合起来,往往会取得令人意想不到的收获。其原理在于,跟你受过相同专业训练的人,往往都有相似的思维定势。只有跟他们不同,才能获得更多的选择机会。
大语言模型并不能替你完成选题工作,否则你的学位应该授给它。但是大模型比起普通个体,有个非常显著的优势 ——「博览群书」。
经过几年的学术训练,你可能已在自己的专业里读过不少经典与前沿作品,但是你的阅读总量可能远远比不上目前最小型的主流语言模型。大模型训练的时候,每分钟阅读的资料,可能比你一个月看到的都多。
如果再给它开个外挂(加上专业数据库的搜索能力),那就更厉害了。
因为有了 AI 的帮助,咱们可以把拓展选题思路的工作,转化成下面这一系列步骤: