當學術界談論神經多樣性及培育下一代科學家與工程師時，我們常從給予學生考試加時、筆記支援及調整考試環境開始。但許多神經多樣性學生在我們教學科學、技術、工程與數學（STEM）的經驗中，仍面臨溝通、人際關係及模糊期待的障礙。
我們發現，學術與研究成功的最大障礙往往與溝通、社交互動及不明確的期望有關。例如，學生必須學會如何給指導教授發電子郵件、協商論文作者權、在不顯得準備不足的情況下請求澄清、管理變動的截止期限，以及參與快速且動態的團隊討論。許多人透過觀察、指導與非正式回饋學會這些技能，但這些未明文規定的社交與專業規範對神經多樣性科學家來說，無論在實驗室內外，都可能顯得特別難以理解。有些受訓者能輕易吸收這套「隱藏課程」，但其他人則掙扎不已。
神經多樣性學生可能最難以應付的是缺乏明確的專業行為期待與訓練，但事實上，大多數研究生——無論其大腦如何處理資訊——都必須自行解碼這些規範。改變研究教學方式並引入協助學生導航學術環境的工具，將對廣大學生族群產生影響。
我們兩人都有協助神經多樣性學生的親身經驗。例如，一位學生在完成數月優異的實驗結果後，向M.C.尋求建議。她勤奮、技術嫻熟且對專案投入深厚，但未與指導教授明確討論她在最終論文中的角色。她感到慌張，向M.C.這位中立且理解的同事詢問：「我該如何提出這件事而不顯得對立？」她從未被教導如何處理這類情況。
K.S.在田納西州納什維爾范德堡大學的Frist自閉症與創新中心工作時，也有類似經驗。該中心研究如何支持自閉症及神經多樣性人士在STEM教育與職場中的發展。他指導的學生Dan Burger，並非科學本身有困難，而是如何在期待特定專業行為的環境中展現自我。Burger後來在馬里蘭州巴爾的摩的太空望遠鏡科學研究所開始資料分析職涯，他的故事曾在美國電視新聞節目《60分鐘》中報導，作為停止要求神經多樣性人士掩蓋優勢、開始設計包容環境的典範。Burger在學生時期，在K.S.的指導下，將開放式口頭回報改為結構化書面更新，讓他能以擅長的方式展現思考；同時，K.S.開始明確表達期望，而非假設雙方已有共識。這些小改變成為Burger能否在學術研究中茁壯的關鍵。K.S.從中學到的教訓不是Burger需要改變，而是他周遭的系統必須改變。
我們職涯中見過許多類似案例，顯示工程教育如何準備學生，以及誰容易被落下。基於與神經多樣性學生的經驗，我們設計了由Frist中心領導、涵蓋六所大學的美國自閉症自我倡導公平與神經多樣性工程中心。啟動此計畫時，我們意識到真正的工作不僅是課堂支援，而是重新設計團隊結構、職涯準備及學術指導方式，避免學生獨自解碼專業規範。
我們開始調查這些摩擦點時，生成式人工智慧工具正逐漸普及。考慮到它們已深植學生日常學術生活，我們無法認真改革工程教育而不考慮AI。我們想知道學生如何利用這些工具強化自我倡導能力，並導航專業準備與溝通的隱藏課程。
生成式AI工具已被用於撰寫電子郵件、規劃簡報大綱及摘要複雜資料。它們也能協助澄清語氣、結構困難對話，並將模糊任務轉化為具體步驟。例如，AI模型本可幫助M.C.協助的學生識別在協商論文作者權時應提出的問題，協助她以專業方式表達問題，預測可能回應並組織後續行動。如此使用AI工具，能成為排練空間，讓學生在進入高風險對話前先思考如何溝通。
AI工具也能協助科學訓練的其他面向。現代工程與科學多依賴團隊研究，常需非正式協商角色與期望。例如，團隊需決定誰負責分析哪部分、誰主持會議、如何設定及調整截止期限。對於難以應付模糊與間接溝通的學生，這些時刻可能比技術工作更具壓力。AI工具能協助將大型專案拆解為各成員的具體任務，會前生成澄清問題，並幫助學生規劃如何請求更明確的期望。AI模型還能透過將複雜研究里程碑拆分成結構化計畫，支持專案管理，使追蹤更為容易。
