AI 时代学术选题之争：短暂型还是永恒型问题

软件工程研究者 Marcel Böhme 与 HerrDreyer 在 X 上围绕「AI 时代学术界该如何选题」展开多轮讨论，核心议题是：AI 的快速进展是否会让部分学术问题失去意义，以及学界应研究什么才能与产业界互补而非在一年内被甩开。

已确认

• Böhme 提出研究问题的二分法：短暂型(ephemeral)问题重要且具挑战性，但会随技术进步、政策出台或社会关注转移而「过期」，例如「如何修某个 Python bug」「人们对 GenAI 版权的看法」「某个密码学哈希的最快实现」；永恒型(eternal)问题则对所有情形成立，一旦解决就永远解决，其典型代表是复杂度理论下界——如「不存在最坏情况下快于 O(n log n) 的排序算法」，无论技术、人或政策如何变化都不会动摇。这才是他心目中的「基础研究」。
• Böhme 进一步主张：如果一个学术问题「现在看起来不再基础」，那它从来就不是基础问题——根本问题不依赖具体技术，AI 并不会让根本问题变得「不那么根本」。他认为 AI 反而把学界从容易被快速验证的琐碎应用中解放出来，让大家能专注靠堆算力解决不了的根本性长期问题。
• HerrDreyer 的原始反驳(被 Böhme 在线程中引用)是：问题可以因「重要且有挑战」而基础，即便后来被解决、人们转向新问题，也不意味着它当初不基础。
• HerrDreyer 还对 AI 辅助科研提出质疑：「AI 辅助」的研究社群似乎已完全放弃了洞察(insight)，一部分人在产出大量自己并未真正理解的 AI 生成证明；即使能得到应用，没有洞见的研究还能否算研究是个问题。但他也表示自己从不认同「洞察必须先于应用」的立场(据 Böhme 的转述)。
• HerrDreyer 起初提出的是一个开放问题：他对 AI 进展感到兴奋，但认为部分人的信息流不足以代表全领域，学界该选什么问题才能与产业界互补、不被一年内的行业进展淘汰。

为什么重要

这场讨论触及 AI 浪潮下学术研究定位的现实焦虑：当产业界以巨大算力和工程资源快速迭代时，学术界若继续追逐容易被验证和复现的应用型问题，其价值窗口可能极短。Böhme 的二分法为选题提供了一个朴素的判据——优先那些与技术周期脱钩、一旦解决即永久成立的问题；而 HerrDreyer 的反驳与对「无洞见研究」的质疑，则提醒「基础性」的判定标准本身存在争议，AI 生成证明的理解缺失也可能侵蚀科研的价值内核。

2026-10-24 ~ 2026-10-25 · 11 条相关

• 【源头】学者:AI 浪潮下,学术界如何选题才能不被行业甩开 — HerrDreyer · 2026-10-23
• 学者热议 AI 时代学术研究如何选题才不会被一年内过时 — mboehme_ · 2026-10-24
• 学者争论:AI 时代学术界该研究什么问题 — mboehme_ · 2026-10-24
• 研究者:根本问题不会因 AI 失去根本性,解决即永远解决 — mboehme_ · 2026-10-24
• 研究者痛批 AI 辅助科研放弃「洞察」：基础问题不会因 AI 而失色 — mboehme_ · 2026-10-24
• 【源头】「AI 让基础问题不再基础?」研究者的反驳与争锋 — HerrDreyer · 2026-10-24
• HerrDreyer 质疑 AI 辅助数学研究:没有洞见的研究还剩什么 — HerrDreyer · 2026-10-24
• 【源头】安全研究者 Marcel Böhme 提出「短暂型 vs 永恒型」研究问题二分法 — mboehme_ · 2026-10-25
• Böhme 续论:短暂型问题为何重要却终会过时 — mboehme_ · 2026-10-25
• 研究者提「永恒问题」分类:排序 O(n log n) 下界永远成立 — mboehme_ · 2026-10-25
• 复杂度理论学者：AI 再强也绕不开 O(n log n) 下界这类永恒结论 — mboehme_ · 2026-10-25