如何用 AI 有效拓展你的研究选题思路？

（注：本文为小报童精选文章。已订阅小报童或加入知识星球「玉树芝兰」用户请勿重复付费）

选题

你知道的，在科研工作中，选题的重要性怎么强调都不过分。

优秀的选题往往更容易产生重要的科研成果，引起广泛关注。对于初入科研领域的研究生来说，选择一个好题目往往是重要的挑战。

开题报告是研究生阶段的一个关键环节。如果选题不当，可能会严重影响你后续研究的价值。更有甚者，会让你的开题直接挂掉。

即便是有经验的科研工作者，也免不了要寻找新的选题，以便写项目申请，开展新的研究。这个过程，有时也同样煎熬。

我们能否借助 AI 的力量来解决这个问题呢？

我尝试的结果，是肯定的。下面咱们来展开选题流程，并且探讨和演示 AI 可以对选题起到的实际帮助。

交叉

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」。

所谓跨度，就是从不同角度来综合探讨某个研究主题。

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：