AI for Science悖論：成就科學(xué)家，卻傷害科學(xué)

“AI不會取代你，但使用AI的人可能會。”

這句話流傳已久，如今一項史無前例的大規(guī)模學(xué)術(shù)研究證實，這個預(yù)言正在科學(xué)界成為現(xiàn)實，結(jié)局甚至比想象中更加復(fù)雜和令人擔(dān)憂。

雙贏還是雙輸？

想象一下，如果有辦法能讓你的工作效率提升3倍，名氣增長近5倍，職業(yè)發(fā)展速度快一年半，你會怎么選擇？

絕大多數(shù)科學(xué)家顯然選擇了擁抱AI，但最新研究揭示了一個令人不安的悖論：這種個人層面的巨大成功，正在以科學(xué)整體的衰落為代價。

用AI研究AI：透視45年科學(xué)軌跡

為厘清AI對科學(xué)的影響，研究團(tuán)隊完成了一項幾乎不可能靠人工實現(xiàn)的工作：

他們分析了自1980年至2025年間，跨越機(jī)器學(xué)習(xí)（1980?2014）、深度學(xué)習(xí)（2016?2022）與生成式AI（2023至今）三個時代，來自生物、醫(yī)學(xué)、化學(xué)、物理、材料科學(xué)和地質(zhì)學(xué)六大領(lǐng)域的4130萬篇論文。

如何判斷一篇論文是否使用了AI？

團(tuán)隊訓(xùn)練了一個"AI偵探"，基于BERT模型進(jìn)行兩階段微調(diào)，讓它學(xué)會從標(biāo)題與摘要中識別AI技術(shù)的痕跡。這套系統(tǒng)最終從海量論文中找出約31萬篇AI增強(qiáng)論文，占總數(shù)的0.75%。

為確保可靠性，多位領(lǐng)域?qū)＜疫M(jìn)行了人工核驗。結(jié)果顯示，模型判斷的準(zhǔn)確率（F1分?jǐn)?shù)）達(dá)0.875，而專家間的評判一致性更高達(dá)0.964，在社科研究中堪稱罕見的高信度。

科學(xué)家的"加速人生"：發(fā)表多3倍，引用高5倍

數(shù)據(jù)證實，AI正在成為科研者的"職業(yè)加速器"，擁抱AI的科學(xué)家們正在經(jīng)歷前所未有的職業(yè)高光時刻：使用AI的科學(xué)家發(fā)表論文數(shù)量是未使用者的3.02倍，獲得的引用數(shù)量是4.84倍，更重要的是，他們成為研究項目負(fù)責(zé)人的速度快了1.37年。

在200多萬名科學(xué)家的職業(yè)軌跡分析中，使用AI的初級科學(xué)家更少中途退出學(xué)術(shù)界，更有可能成為成熟的領(lǐng)導(dǎo)型研究者。這種優(yōu)勢跨越了所有研究的學(xué)科領(lǐng)域，似乎不受科學(xué)分支的影響。

"一旦出現(xiàn)像AlphaFold這樣的突破時，你滿腦子想的就是如何超越別人，搶先完成研究，"論文的共同作者清華大學(xué)的徐豐力說，“可如果我們都在攀登同一座山，那就有其他很多山，我們永遠(yuǎn)無法探索。”

科學(xué)的"收縮"：領(lǐng)域窄化，互動減少

然而全景看，情況就不這么樂觀了，AI for Scicence雖然讓科學(xué)家獲得了巨大成功，卻讓整個科學(xué)生態(tài)系統(tǒng)變得更加狹窄和孤立。

研究發(fā)現(xiàn)，AI研究覆蓋的學(xué)科領(lǐng)域比傳統(tǒng)研究減少了4.63%。更令人擔(dān)憂的是，AI驅(qū)動的論文在所有自然科學(xué)領(lǐng)域的跨學(xué)科互動減少了22%。它們往往圍繞少數(shù)"明星論文"形成孤島，而非交織成網(wǎng)。22.2% 的頂尖AI論文獲得了80%的引用，超過一半的引用集中在極少數(shù)成果上，科學(xué)的"貧富差距"正在拉大。

這種模式產(chǎn)生了一個惡性循環(huán)：熱門問題吸引大量數(shù)據(jù)積累，豐富的datasets讓AI工具變得更有吸引力，使用AI取得的進(jìn)展又吸引更多科學(xué)家涌入同一問題。"我們就像群居動物一樣。"芝加哥大學(xué)計算社會科學(xué)家詹姆斯·埃文斯（James Evans）說，“熱點問題催生大數(shù)據(jù)，大數(shù)據(jù)吸引AI工具，AI的進(jìn)展又引來更多學(xué)者，形成一個自我強(qiáng)化的循環(huán)?！?/p>

數(shù)據(jù)為王的選擇邏輯

研究還有一個令人意外的發(fā)現(xiàn)：AI for Science選擇研究領(lǐng)域的決定性因素不是原創(chuàng)性、重要性，甚至不是經(jīng)費的優(yōu)先級，而是數(shù)據(jù)的豐富程度。擁有大量數(shù)據(jù)的領(lǐng)域成為AI研究的"香餑餑"，而那些數(shù)據(jù)稀缺但同樣重要的領(lǐng)域則被冷落。

這種趨勢正在重塑科學(xué)的版圖，就像淘金熱一樣，AI研究者們涌向最容易挖掘的地方，而忽略了那些需要更深層探索的未知領(lǐng)域。

窄化可否逆轉(zhuǎn)？

耶魯大學(xué)社會文化人類學(xué)家麗莎·梅西（Lisa Messeri）警告說，這些結(jié)果應(yīng)該為整個學(xué)術(shù)界敲響警鐘。"科學(xué)無非是一種集體事業(yè)，"她說，“我們必須深入思考如何處理這種讓個人受益卻摧毀科學(xué)的工具?！?/p>

西北大學(xué)研究科學(xué)學(xué)的王大順（Dashun Wang）表示，“科學(xué)正在經(jīng)歷一種程度罕見的顛覆”，生成式AI的快速崛起，正在以許多科學(xué)機(jī)構(gòu)無法跟上的速度重塑研究工作流程，這只會讓風(fēng)險更高，科學(xué)的未來形態(tài)更加不確定。

但研究人員認(rèn)為，這種科學(xué)的窄化趨勢仍然是可以逆轉(zhuǎn)的。延世大學(xué)心理學(xué)教授、專門研究科學(xué)學(xué)的林志成（Zhicheng Lin）認(rèn)為，一個解決方案是在尚未大量使用AI的領(lǐng)域構(gòu)建更好、更大的數(shù)據(jù)集。"我們不能通過強(qiáng)制轉(zhuǎn)向數(shù)據(jù)密集型方法來改善科學(xué)，"他說，“更光明的未來應(yīng)該在更多領(lǐng)域創(chuàng)造更豐富的數(shù)據(jù)集?！?/p>

研究合作者、清華大學(xué)的李勇進(jìn)一步指出，未來的AI系統(tǒng)應(yīng)該從簡單地處理數(shù)據(jù)進(jìn)化為具備科學(xué)創(chuàng)造力的自主智能體，這將有望再次擴(kuò)展科學(xué)的視野。

埃文斯強(qiáng)調(diào)，科學(xué)界必須首先反思這些工具如何影響了整個激勵機(jī)制?！癆I增強(qiáng)的研究正在獲得越來越多資源，它本應(yīng)催生新領(lǐng)域，而不是只讓我們在舊問題上內(nèi)卷。”

重新定義AI時代的科學(xué)成功

這項研究揭示的不僅是一個技術(shù)問題，更是一個深刻的科學(xué)哲學(xué)命題：在一個AI能夠放大個人能力的時代，我們?nèi)绾味x真正的科學(xué)進(jìn)步？是在已有領(lǐng)域挖得更深，還是勇敢探索未知的疆界？

當(dāng)AI工具讓個人效能更強(qiáng)，當(dāng)工具讓我們走得更快，我們更需記得為何出發(fā)——

個人的輝煌，不應(yīng)以集體視野的狹窄為代價。

這或許是AI留給科學(xué)界最艱巨，也最值得迎接的挑戰(zhàn)。

論文信息

發(fā)布期刊Nature

發(fā)布時間2026年1月14日

文章標(biāo)題Artificial intelligence tools expand scientists’impact but contract science’s focus

DOIhttps://doi.org/10.1038/s41586-025-09922-y

吳歐 | 編輯

點個“小愛心”吧