Nature警告：用AI發(fā)論文更快，但科學(xué)的路反而更窄了

AI 讓科學(xué)更成功，卻可能讓科學(xué)更保守。

如今，AI for Science 已經(jīng)是一個(gè)發(fā)展趨勢(shì)，但這背后有一個(gè)不容忽視的核心問(wèn)題：AI 在幫助科學(xué)家提升影響力和更高效地進(jìn)行科學(xué)發(fā)現(xiàn)的同時(shí)，也在將科學(xué)探索的視野收得更窄。這引發(fā)了關(guān)于科學(xué)家個(gè)人職業(yè)發(fā)展與科學(xué)領(lǐng)域進(jìn)步之間潛在張力的深刻思考。

那么，AI 對(duì)于科學(xué)研究到底有怎樣的影響？為探索這個(gè)問(wèn)題，來(lái)自美國(guó)芝加哥大學(xué)和清華大學(xué)的團(tuán)隊(duì)在 Nature 發(fā)表了一項(xiàng)深入的研究。

簡(jiǎn)單來(lái)理解這個(gè)問(wèn)題，科學(xué)家們進(jìn)行的基礎(chǔ)研究就好比是在一片廣闊的森林里尋找寶藏，在沒(méi)有 AI 之前，每個(gè)人都根據(jù)自己的好奇心和興趣去探索、發(fā)現(xiàn)。現(xiàn)在，他們將 AI 作為“尋寶導(dǎo)航”，因此能更快、更準(zhǔn)確地發(fā)現(xiàn)寶藏的潛在位置，并獲得了更多的關(guān)注度和榮譽(yù)。

圖丨AI在科學(xué)領(lǐng)域的采用日益普及（來(lái)源：Nature）

研究團(tuán)隊(duì)分析了從 1980 年至 2025 年間的 4,130 萬(wàn)篇論文，涵蓋了生物、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。這 45 年期間，也橫跨了從傳統(tǒng)機(jī)器學(xué)習(xí)到深度學(xué)習(xí)再到生成式 AI 的時(shí)代。

為辨別論文中是否使用了 AI，研究團(tuán)隊(duì)構(gòu)建了 BERT 語(yǔ)言模型來(lái)識(shí)別標(biāo)題和摘要中的 AI 痕跡。在海量數(shù)據(jù)集中，識(shí)別出可能依賴 AI 工具的論文約 31 萬(wàn)篇，約占研究總數(shù)的 0.75%。

研究人員發(fā)現(xiàn)，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(zhì)學(xué)）至 51.89 倍（生物學(xué)），而采用 AI 的研究人員比例增長(zhǎng)更加突出，其中地質(zhì)學(xué)增長(zhǎng)了 135.46 倍，物理學(xué)領(lǐng)域增長(zhǎng)了 362.16 倍。

圖丨AI 擴(kuò)大論文影響力并助推研究者的職業(yè)發(fā)展（來(lái)源：Nature）

AI 不僅顯著提升了科研效率，還加速了科學(xué)家的職業(yè)發(fā)展之路。從 200 多萬(wàn)名科學(xué)家的職業(yè)軌跡分析中，研究人員發(fā)現(xiàn)，使用 AI 的科學(xué)家和未使用 AI 的科學(xué)家存在顯著差異：從發(fā)表的論文數(shù)量來(lái)看，前者是后者的 3.02 倍；從論文引用次數(shù)來(lái)看，前者是后者的 4.84 倍。更明顯的對(duì)比是，使用 AI 的科學(xué)家會(huì)提前 1.37 年成為研究領(lǐng)域的項(xiàng)目負(fù)責(zé)人。

盡管 AI 對(duì)科學(xué)家職業(yè)發(fā)展和科學(xué)發(fā)現(xiàn)有促進(jìn)作用，但另一方面，研究發(fā)現(xiàn) AI 的應(yīng)用也帶來(lái)了一個(gè)令人擔(dān)憂的問(wèn)題：科學(xué)研究課題的數(shù)量減少了 4.63%，科學(xué)家之間的互動(dòng)也減少了 22%。

該研究指出，領(lǐng)域的焦點(diǎn)往往聚焦于少數(shù)“明星”論文，僅不到四分之一的論文獲得了 80% 的引用。這會(huì)導(dǎo)致一個(gè)更深遠(yuǎn)的問(wèn)題是：大量研究工作集中在相近的熱點(diǎn)領(lǐng)域，但由于引用同一研究成果的論文之間互動(dòng)很少，缺乏思想的碰撞和交流，有可能會(huì)在知識(shí)空間交叉重疊且研究資源方面可能重復(fù)投入，研究的廣度范圍也可能進(jìn)一步縮小。

“當(dāng)你的注意力被像 AlphaFold 這樣的明星論文吸引時(shí)，你滿腦子想的都是如何在 AlphaFold 的基礎(chǔ)上繼續(xù)做，并搶在別人前面完成。”該論文共同通訊作者、清華大學(xué)助理教授徐豐力對(duì)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(lǐng)域無(wú)人探索。”

這可能引發(fā)的問(wèn)題是，科學(xué)家們傾向于尋找已知問(wèn)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(tuán)隊(duì)發(fā)現(xiàn)，在統(tǒng)計(jì)的細(xì)分研究領(lǐng)域中，70% 以上呈現(xiàn)出研究廣度收縮的趨勢(shì)。

美國(guó)耶魯大學(xué)社會(huì)文化人類學(xué)家麗莎·梅西（Lisa Messeri）在接受媒體采訪時(shí)表示，這些結(jié)果應(yīng)該為整個(gè)學(xué)術(shù)共同體敲響“響亮的警鐘”。“科學(xué)本質(zhì)上是一項(xiàng)集體事業(yè)，我們必須嚴(yán)肅反思：一種讓個(gè)人受益、卻破壞科學(xué)整體的工具，我們究竟該如何使用它。”

這帶來(lái)的結(jié)果很可能會(huì)造成一種兩極分化：大家都“扎堆”在少數(shù)幾個(gè)地方集中挖寶（數(shù)據(jù)豐富的領(lǐng)域），而其他數(shù)據(jù)稀缺或尚沒(méi)有標(biāo)準(zhǔn)的領(lǐng)域可能鮮有人探索，相當(dāng)于科學(xué)家們探索領(lǐng)域的“視野”變窄了。這也突顯了 AI 為科學(xué)家?guī)?lái)的個(gè)體與科學(xué)行業(yè)之間的矛盾。

當(dāng)然，這個(gè)問(wèn)題需要理性地來(lái)看待：一方面，在數(shù)據(jù)豐富的領(lǐng)域，基于 AI 可快速處理和分析海量信息，加速科學(xué)發(fā)現(xiàn)的進(jìn)程；另一方面，在那些數(shù)據(jù)相對(duì)稀缺、基礎(chǔ)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(xué)家們的長(zhǎng)久關(guān)注。

正如該論文共同通訊作者、芝加哥大學(xué)詹姆斯·埃文斯（James Evans）教授在此前發(fā)表在 Science 的研究中指出，AI 的效率可能會(huì)造成方法論上的單一化。如果沒(méi)有多樣化的方法，科學(xué)就有可能過(guò)早地趨同于既有的范式，而不是探索真正新穎的方向。

（來(lái)源：Nature）

這項(xiàng)研究就像一面鏡子，讓我們看到，盡管 AI 幫助科學(xué)更高效，但它不會(huì)自動(dòng)拓展科學(xué)邊界。真正決定邊界的，仍然是我們?nèi)绾为?jiǎng)勵(lì)、資助和評(píng)價(jià)科學(xué)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(yùn)營(yíng)/排版：何晨龍