人工智能会带来科学的复兴，还是千篇一律的僵化？

人工智能正在深刻改变科学研究的方式：它不再只是辅助工具，而是逐渐成为支撑科研活动的关键基础设施。过去需要大型跨学科团队完成的工作——比如文献综述、实验设计和模型构建——如今可由小团队借助高质量判断力与高效AI系统独立完成。关键问题已不再是‘AI能否提升科研产出’，而是‘AI将如何重塑科学家提出的问题本身’。一项2026年发表于《自然》的研究分析了4100万篇自然科学论文，发现采用AI辅助研究的学者，其论文数量是未使用者的3倍，被引次数接近5倍；但与此同时，他们的研究主题广度下降了5%，跨机构或跨学科合作减少了22%。这种未经审慎评估的AI应用令人担忧，亟需建立规范与约束机制。AI确实能打通学科壁垒——例如在抑郁症研究中，它可帮助研究人员理解临床评估、脑成像预处理、算法开发和临床验证等不同环节，减少因专业隔阂导致的进展迟滞。但风险也正源于此：当整套科研流程变得易于自动化，就可能催生‘论文工厂’模式——AI自动检索文献、挖掘统计关联、生成格式规范的论文。这虽能稳定产出大量成果，却牺牲了真正重要的工作：深入质疑前提假设、探索多种解释路径、反思原始科学问题是否合理。因此，必须立即启动对AI科研影响的系统性评估，而非等待问题积累后再应对。