选择问题
90没有任何算法会替你判定这十年暗能量比小行星族群更重要。望远镜时间与经费的分配依据的是有理有据的科学判断——申请书是一篇篇论说文,而写出一份有说服力的申请书,正是这门职业存活下来的核心技能。
格子越深,表示该主题在这项指标上越高。
低高
对研究岗位而言,事实上是的:没有任何国家颁发天文学家执照,但大学、天文台与航天机构都把博士学位当作入门资历,望远镜观测时间与经费申请资格也大多以此为前提。也有人不持有博士学位却从事天文相关工作——望远镜操作员、仪器工程师、软件开发者与科普人员——业余爱好者至今仍能做出真正的发现,但主导性的研究工作是博士的天下。
从中学毕业到第一份独立研究岗位,大约需要九到十二年:三到四年物理或天文学学士,欧洲通常还要读硕士,再加三到六年博士。拿到一份永久工作往往还要更久——多数天文学家会经历几份多年期的博士后合同,通常要到三十五岁到三十九岁之间才能落定一份长久的职位。
如今几乎没有区别:这两个头衔在招聘广告和系办公室门牌上是可以互换使用的。从历史上看,天文学(astronomy)意味着测量位置与运动,而诞生于十九世纪中叶光谱学兴起之时的天体物理学(astrophysics)意味着解释其背后的物理原理。既然如今几乎所有现代天文学家都在用物理学工作,“天体物理学家”不过是一个更新的说法;“天文学家”则是更古老、更宽泛的那个。
美国劳工统计局公布,2023年天文学家的薪酬中位数约为12.8万美元,但这描述的是资深人士:博士生靠约3万至4.5万美元的津贴生活,博士后则是6万至7.5万美元(美国,2024–25)。德国、英国与澳大利亚的学术薪级在名义值上略低,印度研究机构的薪酬则更是低出许多。
几乎不再用肉眼贴着目镜看了——探测器在一个多世纪前就取代了肉眼,如今多数大型望远镜都以排期方式运行:由工作人员或机器人观测,数据通过网络传来。许多成果斐然的天文学家甚至从未去过自己所用的望远镜现场,相当一部分论文完全是根据哈勃、盖亚和斯隆巡天等档案数据写成的。
天文学是研究那里实际存在什么的科学;占星术则是相信行星位置左右人间事务的信念,它未能通过任何一次受控检验。这两者曾在数千年间是同一门行当——开普勒靠占卜星象来资助自己真正的轨道力学研究——直到十七、十八世纪才在欧洲分道扬镳。此后再没有任何天文台、大学系所或期刊雇佣过占星术。
天文学比几乎任何其他职业都更早、也更心甘情愿地拥抱了自动化:没有人怀念在寒冷中手动跟踪望远镜的日子,如今机器学习正在审核着任何人力大军都无法逐一检视的每夜数百万条警报。智利的鲁宾天文台每隔几夜就为整个南半球可见的天空拍摄一次影像,每夜产生大约一千万条警报——这样的数据速率,让自动化成了这门科学的先决条件,而非威胁。
机器尚未触及的,是这门职业真正安身立命的那一层:选择哪个问题值得投入十年,判断一个反常信号究竟是发现还是探测器故障,构想下一代仪器,以及把自己的名字与声誉押在一项主张之上。现实的预测不是天文学家变少——而是天文学家把更少的时间,花在流水线做得更好的事情上。
相当一部分工作——图像归约、警报过滤、光源分类、望远镜排期——已经自动化,或明显即将自动化,语言模型也正在吞噬文献综述与初稿写作。但定义这份职业的那些任务——构思问题、判断异常、构建仪器,以及在同行评审中为主张辩护——依然顽固地属于人类,而且数据洪流正在增加而非减少对这种判断力的需求。
按任务计分,而非头衔。越低越安全。
AI难以取代的职业 →没有任何算法会替你判定这十年暗能量比小行星族群更重要。望远镜时间与经费的分配依据的是有理有据的科学判断——申请书是一篇篇论说文,而写出一份有说服力的申请书,正是这门职业存活下来的核心技能。
从脉冲星到‘Oumuamua,成就职业生涯的那一次判断——这是真实、新颖且重要的,还是一次故障?——需要同时理解仪器、流水线与物理学。分类器可以给候选目标排序;但决定什么才算“发现”的仍是人。
这个领域历史上每一次飞跃,都来自新的硬件——望远镜、光谱仪、CCD、干涉仪。构想并调试出尚不存在的仪器,是任何训练出的模型都无法完成的创造性工程。
同行评审、复现与科学问责,靠的是具名的人以自己的声誉作担保。模型可以起草一篇论文;它无法评审一篇对手的论文,无法在会议上为一个结果辩护,也无法承担出错的代价。
天文学之所以能获得公共资金,是因为公众热爱它,而这份热爱是靠人来维系的——在课堂上、在天文馆里、在新闻发布会上。这门职业的宣传者,本身就是它基础设施的一部分。
本底帧、平场、宇宙线剔除与天体测量解算,在每一座主要天文台都已完全脚本化;曾经消耗1990年代博士生大量时间的工作,如今在夜间无人值守地运行。
机器学习分类器把ZTF与鲁宾等巡天项目每夜数百万条候选目标,过滤到人类真正会看到的寥寥几条;没有它们,巡天时代根本无从谈起。
排期优化器为每一夜的观测分配安排,以求单位光子产出的科学价值最大化,而拉斯坎布雷斯等机器人望远镜网络能全天候响应警报,现场完全无人值守。
曾经众包给Galaxy Zoo志愿者的工作,如今大多由神经网络完成,对盖亚数十亿个天体的流水线分类,无需人眼扫过任何一颗单独的恒星。
鲁宾天文台为期十年的巡天项目,首批影像已于2025年发布,将向所有人开放全部数据;职业生涯正日益建立在对共享的拍字节数据的巧思之上,而非对某座穹顶的特权访问。
LIGO的引力波发现论文署名作者约一千人,事件视界望远镜的黑洞图像署名也有数百人;功劳、招聘与奖项,正在为这种由村庄规模的合作团队完成的科学而重新协商。
招聘启事越来越多地把流水线与机器学习经验,与观测技能相提并论——有时甚至更为看重,而Astropy这样的社区代码库本身,已成为足以成就职业生涯的贡献。
卫星巨型星座如今在长曝光照片上划出条纹——仅SpaceX一家自2019年起就已发射数千颗星链卫星——国际天文学联合会于2022年成立了“暗夜与静夜保护中心”;与产业界就夜空问题展开协商,如今已是这份工作的一部分。
标准的转行去向:天文学博士恰恰因为这门科学所要求的巡天规模统计学与机器学习手艺,在工业界备受青睐,离开学术界后的薪资涨幅通常相当可观。
在日益拥挤的轨道上追踪成千上万颗卫星与碎片,用的正是这门职业的工具箱——轨道力学、望远镜、警报流水线——如今在新兴航天产业中招聘迅猛。
为望远镜开发的自适应光学、低温探测器与精密校准技术,直接迁移到医学影像、半导体检测与量子技术领域——这是一条从天文台实验室走出去的成熟路径。
天文馆、天文台新闻办公室、纪录片制作与科学新闻业,很大程度上都依靠受过训练的天文学家;这是公众真正接触到这门职业的分支。
三个可逆透镜:增强、替代切片、新缝隙。教学标记,非预测。
保留岗位;AI 加速草稿、分诊或调研,判断与责任仍在人。
狭窄任务堆可能先压缩,相邻手艺反而增长。
在需信任 AI 输出的受监管场景,可能出现监督、集成与领域质检角色。
天文学一个世纪以来的自动化模式高度一致:每一项能被精确规定的任务——跟踪导星、测量底片、分类、排期——都被交给了机器,而每一次交接都增加了完成的科学工作量,而不是让这个职业萎缩。巡天时代正在把这种模式规模化重演:流水线接手常规工作,稀缺资源变成了判断候选目标洪流究竟意味着什么的能力。
这份职业真正面临的压力更多是经济性的,而非技术性的:这个行业的规模由公共研究经费决定,而不是由对发现的需求决定,博士生与永久职位数量之比,依然是这个领域最难看的一个数字。与此同时,把流水线自动化的这十年,也正在建造有史以来最雄心勃勃的仪器——ELT、鲁宾天文台、新一代引力波探测器——每一台都需要既懂天空、也懂机械的人。
2040年的天文学家,将监督更多自动化系统,写更多代码,属于比今天更庞大的合作团队——但仍会把这份工作最好的时光,花在与巴比伦文士同样的动作上:判断昨夜记录中那个奇怪的东西,究竟是一个错误,还是宇宙在诉说新的事情。
不限同一领域,六项评分最接近的职业。
受过训练的往昔审问者——从希罗多德、司马迁到数字化档案库,把脆弱的文献变成可供核实的历史记述。
抗AI 70 🎓公开讲授一门学问并以此谋生的学者——从柏拉图学园到终身教职与 AI 助教,二十五世纪的教学与发现史。
抗AI 76 🎬通过决定每一个镜头、每一次表演和每一处剪辑,把剧本变成一部完成的电影,再说服制片人、制片厂和观众相信这份投入值得那笔预算。
抗AI 73 🧮从巴比伦文士到菲尔兹奖得主,再到AI辅助证明:这门职业把难题一个定理接一个定理地变成永恒的确定性。
抗AI 70 🏺研究生命本身的科学家,从Linnaeus手工命名物种,到用CRISPR编辑基因组,仍然在针对一个活生物体测试每一种想法.
抗AI 64衍生并测试关于物质,能量,空间和时间的数学定律,从一个孤独的粉笔板到3000个作者的粒子对流器纸.
抗AI 65 🧬研究生命本身的科学家,从Linnaeus手工命名物种,到用CRISPR编辑基因组,仍然在针对一个活生物体测试每一种想法.
抗AI 64 🧪亲手制造并测量物质本身的科学家——从塔普提在巴比伦蒸馏香水的年代到今天的机器人实验室,仍是那个判断谱图意味着什么的人。
抗AI 70 📊从数据中寻找规律、构建预测模型——一个2008年才出现的职位名称,建立在三个世纪计数、检验与可视化证据的传统之上。
抗AI 38 🧮从巴比伦文士到菲尔兹奖得主,再到AI辅助证明:这门职业把难题一个定理接一个定理地变成永恒的确定性。
抗AI 70 🧿构建、测量和控制利用量子态进行计算、传感、通信和材料研究的设备。
抗AI 78 🧫使用临床、试验和卫生系统数据生成可靠的证据,以实现更安全的护理、研究和运营决策。
抗AI 68