自从 ChatGPT 火了之后，大家是不是都有点“焦虑”？看着它几秒钟就能生成一段看起来像模像样的论文摘要，你是不是在想：“完了，我这还要读好几年硕士/博士，出来还有饭碗吗？”
先别急着转行去送外卖。前两天，我读了一篇发在 Journal of Economic Literature (JEL) 上的神文，作者是弗吉尼亚大学的 Anton Korinek 。这篇论文不跟你谈虚头巴脑的哲学，直接甩出了 6大领域、几十个具体场景，告诉我们：
AI 现在的水平，还当不了你的“导师”，但它绝对能成为你史上最强、最快、而且任劳任怨的研究助理。今天，学长就结合这篇论文，教你如何用 AI 把你的科研效率拉满，把那些枯燥的“垃圾时间”统统外包出去。
1.重新定义你的工作：把“微任务”外包给AI
2.AI能帮经济学博士干的6件实事
3.既然它这么强，我们还需要读博吗？
重新定义你的工作：把“微任务”外包给AI
Korinek 教授在论文里提了一个特别扎心的观点：经济学家可以通过利用 AI 自动化“微任务”来获得巨大的生产力提升 。
什么是“微任务”？就是那些你一天要干无数次、虽然不难但特别烦人、如果招个真人研究助理 又显得太琐碎的事儿。
比如：把这段乱七八糟的代码改好；把这个丑得要死的表格转成 LaTeX 格式；帮我看看这段英文写得地不地道。
以前这些事儿，你得自己哼哧哼哧干。现在？AI 的比较优势就是生成内容，而你的比较优势是评估和组织内容 。简单说：以后你就是包工头，AI 就是那个不知疲倦的搬砖工。
AI能帮经济学博士干的6件实事
Korinek 教授把 AI 的超能力分成了六个板块 。咱们一个个来看，怎么用它来救急。
1.灵感与反馈：你的“陪聊”搭子
写论文最怕什么？卡文。脑子一片空白，不知道该往哪个方向钻。你可以让 AI “列出 20 个 AI 可能增加不平等的渠道” 。虽然它列出来的东西可能有一半是废话，但只要有那么一两条让你眼前一亮（比如“数字素养差距”或“算法偏见”），你就赚了 。
你可以把你的核心观点发给它，然后说：“我是个经济学家，我要论证 X 导致了 Y，请给我 5 个最尖锐的反驳理由。” 它不管是你是谁，怼起人来毫不留情，这比面对面问导师安全多了（导师怼你，你会心梗，它怼你，你会开窍）。
2. 写作：你的“润色”编辑
对于咱们非母语的博士生来说，英文写作是永远的痛。
- 从“点”到“文”：你只需要列出几个干巴巴的研究点子，它就能帮你扩写成一段这就很学术的段落 。
- 改错别字和语法：把你那段满是 中式英文的文字扔进去，让它“润色成学术经济学家的风格”。你会发现，它改出来的句子，主谓一致了，用词高级了 。
- 起标题党：论文写好了，标题太土？让它给你想 10 个吸引人的标题。
3. 背景研究：你的“速读”秘书
- 解释概念：比如你突然忘了“工具变量”具体怎么定义，问它！它能给你解释得头头是道 。
- 总结文献：你可以把一篇很难啃的Paper直接传给它，问它：“这篇文章的核心机制是什么？有什么局限性？”
⚠️ 高能预警（干货中的干货）：千万、千万不要直接问 AI：“请给我推荐几篇关于 XX 的参考文献。” Korinek 教授特别提醒：AI 会“一本正经地胡说八道”。它会给你编造一个看起来特别真的作者、特别真的标题、发在《AER》上，但其实根本不存在！有研究表明，GPT-3.5 编造的经济学引文高达 30% 以上。用它润色格式（比如把 BibTeX 转成 Chicago 格式），这个它在行 。
4. 编程：你的“全天候”程序员
这是我个人觉得最爽的功能。有研究显示，用 AI 辅助编程能让程序员效率提高 56% 。
- 写代码：“请用 Python 帮我画一个 Solow 增长模型的模拟图，要四个子图。” 它真的能写出来，而且能跑通！
- Debug（这是救命的）：当你的 Stata 或 Python 报错，蹦出一大堆你看懂的红色乱码时，直接复制粘贴给 AI。它会立刻告诉你：“亲，你忘导入 numpy 库了”或者“这里少了个括号。”
- 代码翻译：网上找了个现成的代码是 R 语言写的，但你只会 Python？扔给它：“把这段 R 代码翻译成 Python。”
5.数据分析：你的“脏活”累活替身
- 非结构化数据提取：比如你有一堆文本（新闻报道、简历），想把里面的“工资”、“学历”、“毕业院校”提取出来变成 Excel 表格。以前这得人工录入，现在 AI 分分钟搞定 。
- 情感分析：想分析美联储的会议纪要是“鹰派”还是“鸽派”？把文本喂给它，它能给你一个相当靠谱的判断 。
- 甚至模拟人类：有研究甚至让 AI 扮演不同背景的人（比如“32岁的德州拉美裔女律师”），去回答问卷，结果发现它的回答跟真人高度相关 。
6. 数学推导：你的（不太靠谱的）草稿纸
这一点目前还得悠着点。它可以帮你把优化问题的拉格朗日函数写成 LaTeX 代码 ，这个很省事。 但是！当你让它去做具体的推导和求解时，它经常会犯低级错误。 Korinek 教授试着让它推导一个模型，结果它漏掉了参数，被指正后改了，然后下一步又错了 。 所以，数学推导这块，把它当成打字员，别把它当数学家。
既然它这么强，我们还需要读博吗？
看完这些，你可能会问：“学长，既然它能写代码、能写文章、能分析数据，那还要我干嘛？”Korinek 教授在结尾给了我们一颗定心丸，也指了一条路。
短期：掌握 AI 的经济学家，会淘汰那些不掌握 AI 的经济学家。因为你的生产力通过“自动化微任务”得到了飞跃 。
中期：我们的角色会转变。我们会花更少的时间去“产出”内容，而花更多的时间去“组织”研究项目、设计问题、甄别 AI 生成内容的真伪。这其实对你的鉴赏力和逻辑判断力提出了更高的要求。
长期：谁知道呢？也许有一天 AI 真的能独立做研究了，那时候可能我们都要失业 。但至少现在，你可以放心地把那些“不仅要洗菜，还要切菜”的活儿交给 AI，而你，只需要专心地做那个“炒菜的大厨”。好了，赶紧去试试把这周的代码扔给它 Debug 吧！
总结
最后的建议：把它当成一个“聪明、勤快、博学，但偶尔会喝高了胡说八道”的实习生 。 你要给它清晰的指令，要即使纠正它的错误，最重要的是，永远不要完全信任它，一定要亲自核查。
