文章圖片
AI 讓科學更成功 ， 卻可能讓科學更保守 。
如今 ， AI for Science 已經是一個發展趨勢 ， 但這背后有一個不容忽視的核心問題：AI 在幫助科學家提升影響力和更高效地進行科學發現的同時 ， 也在將科學探索的視野收得更窄 。 這引發了關于科學家個人職業發展與科學領域進步之間潛在張力的深刻思考 。
那么 ， AI 對于科學研究到底有怎樣的影響？為探索這個問題 ， 來自美國芝加哥大學和清華大學的團隊在 Nature 發表了一項深入的研究 。
【Nature警告：用AI發論文更快，但科學的路反而更窄了】
簡單來理解這個問題 ， 科學家們進行的基礎研究就好比是在一片廣闊的森林里尋找寶藏 ， 在沒有 AI 之前 ， 每個人都根據自己的好奇心和興趣去探索、發現 。 現在 ， 他們將 AI 作為“尋寶導航” ， 因此能更快、更準確地發現寶藏的潛在位置 ， 并獲得了更多的關注度和榮譽 。
圖丨AI在科學領域的采用日益普及（來源：Nature）
研究團隊分析了從 1980 年至 2025 年間的 4130 萬篇論文 ， 涵蓋了生物、醫學、化學、物理、材料科學和地質學六大領域 。 這 45 年期間 ， 也橫跨了從傳統機器學習到深度學習再到生成式 AI 的時代 。
為辨別論文中是否使用了 AI ， 研究團隊構建了 BERT 語言模型來識別標題和摘要中的 AI 痕跡 。 在海量數據集中 ， 識別出可能依賴 AI 工具的論文約 31 萬篇 ， 約占研究總數的 0.75% 。
研究人員發現 ， 在 1980 年至 2025 年期間 ， AI 論文在總論文中的比例增加了 10.7 倍（地質學）至 51.89 倍（生物學） ， 而采用 AI 的研究人員比例增長更加突出 ， 其中地質學增長了 135.46 倍 ， 物理學領域增長了 362.16 倍 。
圖丨AI 擴大論文影響力并助推研究者的職業發展（來源：Nature）
AI 不僅顯著提升了科研效率 ， 還加速了科學家的職業發展之路 。 從 200 多萬名科學家的職業軌跡分析中 ， 研究人員發現 ， 使用 AI 的科學家和未使用 AI 的科學家存在顯著差異：從發表的論文數量來看 ， 前者是后者的 3.02 倍；從論文引用次數來看 ， 前者是后者的 4.84 倍 。 更明顯的對比是 ， 使用 AI 的科學家會提前 1.37 年成為研究領域的項目負責人 。
盡管 AI 對科學家職業發展和科學發現有促進作用 ， 但另一方面 ， 研究發現 AI 的應用也帶來了一個令人擔憂的問題：科學研究課題的數量減少了 4.63% ， 科學家之間的互動也減少了 22% 。
該研究指出 ， 領域的焦點往往聚焦于少數“明星”論文 ， 僅不到四分之一的論文獲得了 80% 的引用 。 這會導致一個更深遠的問題是：大量研究工作集中在相近的熱點領域 ， 但由于引用同一研究成果的論文之間互動很少 ， 缺乏思想的碰撞和交流 ， 有可能會在知識空間交叉重疊且研究資源方面可能重復投入 ， 研究的廣度范圍也可能進一步縮小 。
“當你的注意力被像 AlphaFold 這樣的明星論文吸引時 ， 你滿腦子想的都是如何在 AlphaFold 的基礎上繼續做 ， 并搶在別人前面完成 。 ”該論文共同通訊作者、清華大學助理教授徐豐力對媒體表示 ， “但如果我們都在攀登同一座山 ， 那就意味著還有很多領域無人探索 。 ”
這可能引發的問題是 ， 科學家們傾向于尋找已知問題的相同解決方案 ， 而不是提出新的解決方案 。 值得警惕的是 ， 研究團隊發現 ， 在統計的細分研究領域中 ， 70% 以上呈現出研究廣度收縮的趨勢 。
美國耶魯大學社會文化人類學家麗莎·梅西（Lisa Messeri）在接受媒體采訪時表示 ， 這些結果應該為整個學術共同體敲響“響亮的警鐘” 。 “科學本質上是一項集體事業 ， 我們必須嚴肅反思：一種讓個人受益、卻破壞科學整體的工具 ， 我們究竟該如何使用它 。 ”
這帶來的結果很可能會造成一種兩極分化：大家都“扎堆”在少數幾個地方集中挖寶（數據豐富的領域） ， 而其他數據稀缺或尚沒有標準的領域可能鮮有人探索 ， 相當于科學家們探索領域的“視野”變窄了 。 這也突顯了 AI 為科學家帶來的個體與科學行業之間的矛盾 。
當然 ， 這個問題需要理性地來看待：一方面 ， 在數據豐富的領域 ， 基于 AI 可快速處理和分析海量信息 ， 加速科學發現的進程；另一方面 ， 在那些數據相對稀缺、基礎性和探索性的研究 ， 盡管這些方向的效果可能不是“立竿見影” ， 但仍需要科學家們的長久關注 。
正如該論文共同通訊作者、芝加哥大學詹姆斯·埃文斯（James Evans）教授在此前發表在 Science 的研究中指出 ， AI 的效率可能會造成方法論上的單一化 。 如果沒有多樣化的方法 ， 科學就有可能過早地趨同于既有的范式 ， 而不是探索真正新穎的方向 。
（來源：Nature）
這項研究就像一面鏡子 ， 讓我們看到 ， 盡管 AI 幫助科學更高效 ， 但它不會自動拓展科學邊界 。 真正決定邊界的 ， 仍然是我們如何獎勵、資助和評價科學探索 。
參考資料：
1.https://doi.org/10.1038/s41586-025-09922-y
2.https://www.eurekalert.org/news-releases/1112213
3.https://www.science.org/content/article/ai-has-supercharged-scientists-may-have-shrunk-science
運營/排版：何晨龍
推薦閱讀
- 榮耀X70贏麻了，誰說千元機只能湊合用？防水防摔成關注點
- 智譜新模型也用DeepSeek的MLA，蘋果M5就能跑
- 蘋果換購計劃擴員，庫克要搶華為小米Ov的換機用戶
- 蘋果A20芯片或采用WMCM技術，臺積電加大先進封裝投資
- OpenAI首席財務官弗萊爾：公司今年將專注于人工智能的“實際應用”
- ipad哪款電容筆手寫好用一點？2026年這10款必看, 性價比高質量可靠
- Gemini準確率從21%飆到97%！谷歌只用了這一招：復制粘貼
- 有點失望？小米玄戒O2芯片，或用臺積電3nm工藝，放棄2nm
- 硅谷頂級風投a16z最新報告：SaaS已死，AI應用的護城河來自三方面
- 滴滴 AI 叫車，用了幾天我發現這才是打車該有的樣子