科研
作为一个土博士，我其实没见识过什么传说中的“天才”。大家最初的差距其实并没有很大，但最终产出和后续发展却差别很大。
周围搞科研的人大致可分为三种。一种是足够聪明，能够很快的消化与应对问题，虽然达不到传说中的天才，但做起科研也是如鱼得水，成果斐然。另一种，则是即便不懂也不影响上手计算问题，这部分人相当多也能做的很好，在出成果的同时不断提升对问题的理解认知，最终同样能在科研领域走得很长久。这其实是一种可贵的能力，因为毕竟我们最终的目的是解决问题而非学习知识。在半懂不懂的状态依然不影响套用公式模板做事，边做边学，持续成长，形成正向反馈，无论是对于科研还是现实工作都是很重要的能力。这两类人大概率都能够顺利毕业。
而我则恰恰缺乏这种能力，不幸的属于第三种，既没有聪明到足以毫不费力的理解所有问题，又没有能力在不懂的情况下上手问题。我通常需要对整个过程有清晰的物理图像才能真正的顺利展开工作，而这通常意味着要花费大量时间积淀才能开始上手。我丝毫不排斥学习，但即便你对自己有足够的信心与耐心，周围的大环境却没有足够的耐心等你成长。这部分人的成长通常需要天时地利人和：导师给予明确的希望，周围收获足够的支持，个人保持坚定的信心，最终通过时间的积累将一个细分领域打透，在之后再不断扩展领域。这类大概率要延毕，但延毕并不是最可怕的，可怕的是这样的天使地利也是很难集齐的，不少人是没有可以看到希望的明确方向，在长线积淀与短期成果间反复横跳，延毕的同时也没有足够的积累。
做科研，尤其是天文这种远离生活的基础科学的人，大部分是有情怀的，但当你苦苦挣扎无法建立正向反馈，那么最终大多还是不得不向现实低头，离开学术界去讨生活。
ChatGPT 不理解任何材料，但可以利用这些材料，快速找到问题的合理答案。它会综合和模仿，有时表现得非常令人信服，就像某个知识渊博的人在谈论某个主题。
学术界的很多人也是这样，他们很聪明，吸收了说话和构建理论的方法，并且善于听起来令人信服。但是，如果你问一个探索性的问题，就会发现他们的理解很少，一切侃侃而谈都是表面的，没有深度。这都是模仿而不是真正的思想，他们只是故意让别人觉得似乎有道理。
许多领域的人都表现得像 ChatGPT 真人版，特别是在那些不做太多实证工作、不涉及对事实或假设进行检验的学科。而且越多评判现有文献的人，越有这种倾向。事实上，我们大部分人多少都有类似的表现，尤其是在职业生涯的早期，我们必须克服经验的差距，努力让自己听起来令人信服。
但还有一些人是始终如此。这种人有很多迹象，比如使用非常笼统的术语，以及听起来巧妙的表述或行话，内容里面很少有事实，例子也很少或者很随意，没有真实的感受，而且通常也不会足够清楚地说出他不同意什么。
曾经的我，遇到别人用不明觉厉的方式讲一些我无法理解的内容，会认为原因在自己。我会自然的认为对方更聪明，就像我现在依然很难听懂量子力学的讲座。但随着经验的积累，我逐渐意识到，有时候不理解对方在说什么，很可能只是对方也不知道自己在说什么，他们本质上只是个大语言模型而已。你稍加提问他们就会露馅，只是这样的机会并不多。
我曾经讨论过一种关于领导力的现象，我称之为“吹泡泡”，本质就是没有实质内容却令人信服的说话能力，这是政治领域的重要技能，也是大学等其他领域领导者的必备技能。现在，ChatGPT 向我们展示了尽管不理解，但将大量材料合成为可信的文本流，是完全可以做到的。
我在学术界呆的越久，我就越看重哪些直接与世界接触的工作，直接观察体验而不是以别人的文本为中介。就像我不喜欢被机器人包围，更愿意倾听哪些有原创思维的人的声音。