那些说有了AI就不需要学Python的人,后来怎么样了?

后来他们既没有学会Python,也没有用好AI。

自从这几年大语言模型发展越来越快，很多人都说，“我现在有 ChatGPT 了，为什么还要费劲学 Python 呢？”

我每周至少会听到研究生问这个问题一次。说实话，这确实是个合理的问题。既然可以直接让 Claude 帮你写代码，为什么还要花几个月的时间去纠结语法错误呢？

以下是我的回答，虽然可能不太舒服：如果你只使用人工智能而不理解代码，你的研究生涯就如同在流沙上打仗。

让我来解释一下。

AI还没有达到人们期待的高度

上个月，一位博士生给我看了她“人工智能生成”的生存分析。Kaplan-Meier 曲线看起来很漂亮，对数秩检验也显著。她准备提交论文了。

但问题是：代码悄悄地丢弃了她 40% 的数据。

她没有发现这个问题。她怎么可能发现呢？她复制粘贴了人工智能的输出结果，运行程序，得到了漂亮的数据，然后就继续做其他事了。人工智能没有警告她。它从来不会。

这就是没人谈论的危险：人工智能让你更容易犯错。

我们对自己说的三个谎言

谎言一：“人工智能理解我的数据。”

不，它不理解。人工智能只能看到文本。它看不到你名为“死亡”的列实际上用 1 表示“存活”，因为你医院的数据库是由一个不讲逻辑的人设计的。它不知道你实验室的测量设备有 0.3 秒的延迟，这会影响你所有的时间序列计算。

你的数据是有上下文的。而人工智能对上下文的理解现在还不够好。

谎言二：“我不用理解代码也能验证输出结果。”

但你能吗？当人工智能给出一个风险比为 2.3 的 Cox 回归模型时，你知道它是否正确处理了并列事件吗？它检查过比例风险假设吗？它是否不小心将你的结果变量作为预测变量包含在内了？

如果你看不懂代码，就无法发现错误。而在科研领域，未被发现的错误最终会变成发表的错误。

谎言三：“等真正需要的时候再学Python吧。”

“以后”永远不会到来。你总是会忙得不可开交，总是临近截止日期，总是深陷项目泥潭。而且，你等待的时间越长，你的项目中就会积累越多人工智能生成的代码——这些代码你既看不懂，也无法修改，更无法调试。

你确实节省了时间，但并没有让事情更好！

Python 的真正价值

学习Python并非死记硬背语法，而是培养计算思维，将复杂问题分解成逻辑步骤的能力。

当你掌握了 Python，你就能：

• 调试 AI 输出，而不是盲目信任它们

• 修改代码，以满足你特定的研究需求

• 识别 AI 生成的错误解决方案

• 在投稿后审稿人提出问题时，复现你的分析**

• 与其他生物信息学家和数据科学家合作，如果你没有基础知识，那你就没有和别人合作项目的资本。

如果你的编程技能为零，AI 也无法让你事半功倍。但如果你理解了基础知识，AI 会让你真正变得强大。

AI时代，脱颖而出的研究人员

我观察到两种类型的研究人员在 AI 革命中摸索前行：

A 型 将 AI 当作拐杖。他们生成代码，祈祷它能正常运行，然后在审稿人要求进行敏感性分析时惊慌失措。他们的项目很脆弱。他们的方法部分含糊不清，因为他们无法解释自己究竟做了什么。

B 型人 将 AI 作为合作伙伴。他们编写初始逻辑，让 AI 进行优化，然后验证每个输出。他们能在演讲中解释自己的分析选择。他们能在几分钟内而非几天内调试问题。当 AI 出现错误时，他们能立即发现。

很显然，B型人发表更多论文，压力更小，并且能够随着时间的推移不断积累技能。

你想成为哪一种人？

结论

人工智能是我们迄今为止拥有的最强大的研究工具。但工具需要熟练的操作者。学习新的知识总是有挑战性的，但放弃学习Python将使你在人工智能时代处于不利地位。Python 不是你的敌人，无知才是。选择权在你自己的手中。