人工智能让科学家如虎添翼，却可能让科学本身变小了

随着ChatGPT等人工智能工具在企业和大学中逐渐普及，一个常见观点愈发清晰：人工智能不会取代你，但使用人工智能的人可能会。《自然》杂志今日发表的一篇论文指出，这种差距已在自然科学领域造成分化。在迄今为止规模最大的相关分析中，研究人员发现，采用各类人工智能（从早期机器学习到现代技术）的科学家，职业发展始终领先。他们发表的论文数量是不使用者的3倍，获得的引用量是5倍，且更快晋升至领导岗位。

然而研究表明，整个科学界正为此付出代价。人工智能驱动的研究不仅倾向于聚焦相同的热门问题，还导致科学文献的关联性降低，相互借鉴和拓展的研究减少。

康奈尔大学计算社会科学家严妍（音译）研究过大语言模型（LLMs）对科研的影响，她表示：“这项分析的规模和范围令人惊讶。人工智能工具的多样性及科研应用方式的差异，使得量化这些模式极具挑战。”耶鲁大学社会文化人类学家莉萨·梅塞里补充道，这些结果应为整个科学界敲响“警钟”：“科学是集体事业，我们需深刻反思这种造福个人却可能损害科学的工具。”

为揭示趋势，研究人员分析了1980-2025年间发表的4100多万篇论文，涵盖生物、医学、化学、物理、材料科学和地质学。首要难题是识别哪些论文使用了人工智能（包括早期机器学习到现代LLMs）。严妍称：“这是人们多年来试图解决的问题。”

研究团队的解决办法是借助人工智能：训练语言模型扫描标题和摘要，标记出约31万篇可能使用人工智能的论文，经人类专家抽样验证，模型准确率与人工相当。

分析发现，在人工智能的三个时代（1980-2014年机器学习、2016-2022年深度学习、2023年起生成式人工智能），使用人工智能的论文年引用量几乎是未使用者的两倍。从职业生涯看，采用人工智能的科学家发表论文量是3.02倍，引用量是4.84倍。职业发展上，200万研究者样本显示，使用人工智能的青年科学家更难退出学术界，成为研究领导者的时间比同行早近1.5年。

但对个人有利未必对科学整体有益。人工智能论文的研究范围比传统研究窄4.6%。研究团队推测，这源于反馈循环：热门问题催生大型数据集，吸引更多人用人工智能研究，进而让更多科学家聚焦同一问题。“我们就像群居动物，”芝加哥大学计算社会科学家、合著者詹姆斯·埃文斯说。

这种聚集还体现在论文关联上：传统研究通过密集引用网络发展新思想，而人工智能论文在所有自然科学学科中的互动减少22%，且80%的引用集中在不到四分之一的“明星论文”上。清华大学合著者徐凤丽（音译）举例：“若都聚焦AlphaFold这类明星成果，就会忽视许多未探索领域。”

西北大学科学学研究者王大顺（音译）认为，生成式人工智能正以前所未有的速度重塑研究流程，使科学未来更不确定。但这种收缩或可逆转：延世大学林志诚（音译）建议在未广泛使用人工智能的领域构建更大数据集；清华大学李勇（音译）提出，未来人工智能若进化出科学创造力，或能重拓科学边界。

埃文斯强调，科学界需正视工具对激励机制的影响：“我们希望人工智能增强型研究能催生新领域，而非仅在旧问题上内卷。”