編輯 | 白菜葉
一項新研究表明，採用人工智慧工具分析資料和建模結果對年輕科學家的職業前景有著巨大的影響，大大增加了他們在各自領域晉升到有影響力職位的機會。但這種對個體研究人員的利好似乎以犧牲科學為代價。
芝加哥大學和清華大學的研究人員分析了六個科學學科（生物學、醫學、化學、物理學、材料學和地質學，不包括電腦科學）的近 6800 萬份研究論文，發現融入人工智慧技術的論文被引用的次數更多，但同時也集中在更窄的主題上，而且重複性更強。
本質上，科學家使用人工智慧越多，他們就越關注那些可以用大量現有資料集來回答的同一類問題，也就越少關心探索可以引領全新研究領域的現有資料稀少的基礎問題。
「我對這一發現的驚人規模感到驚訝，人工智慧極大地提高了人們在系統內停留和晉升的能力。」該論文的作者之一、芝加哥大學知識實驗室主任 James Evans 表示，「這表明，個人在工作中採用這類系統有著巨大的動力……在競爭激烈的研究領域，這是蓬勃發展和生存的兩難選擇。」
由於這種激勵導致對機器學習、神經網路和 Transformer 模型的依賴日益增加，「人工智慧所做的整個科學體系正在萎縮。」他說。
該研究以「AI Expands Scientists' Impact but Contracts Science's Focus」為題，於 2024 年 12 月 10 日釋出在 arXiv 預印平臺。
這項研究調查了 1980 年至 2024 年期間在生物學、醫學、化學、物理學、材料科學和地質學領域發表的論文。
研究發現，使用人工智慧工具進行研究的科學家每年發表的論文數量平均多 67%，他們的論文被引用的次數是未使用人工智慧的科學家的三倍多。
隨後，Evans 和清華大學研究團隊研究了 350 萬名科學家的職業軌跡，並將他們分為初級科學家（未領導過研究團隊）和資深科學家（領導過研究團隊）。
他們發現，與非人工智慧同行相比，使用人工智慧的初級科學家繼續領導研究團隊的可能性高出 32%，而且他們進入職業生涯這一階段的速度要快得多，而非人工智慧同行更有可能完全離開學術界。
接下來，作者使用人工智慧模型對人工智慧輔助研究和非人工智慧研究涵蓋的主題進行分類，並研究不同型別的論文如何相互引用，以及它們是否激發了新的研究方向。
他們發現，在所有六個科學領域中，與未使用人工智慧的研究人員相比，使用人工智慧的研究人員將他們涵蓋的主題範圍「縮小」了 5%。
人工智慧研究領域也以「超級明星」論文為主。該類別中約 80% 的引用來自引用次數最多的前 20% 的論文，95% 的引用來自引用次數最多的前 50% 的論文，這意味著約有一半的人工智慧輔助研究很少被再次引用。
同樣，Evans 團隊發現，與非人工智慧研究相比，人工智慧研究在論文相互引用和引用原始論文方面引發的後續參與度要低 24%。
「這些綜合研究結果表明，科學領域的人工智慧已經更加集中於特定的熱門話題，這些話題變成了『孤獨的人群』，論文之間的互動減少了。」他們寫道，「這種集中導致更多重疊的想法和多餘的創新，這會導致整個科學領域知識範圍和多樣性的萎縮。」
Evans 的專業是研究人們如何學習和進行研究，他說，契約效應對科學研究的影響類似於網際網路出現和學術期刊上線後的情況。
2008 年，他在《Science》雜誌上發表了一篇論文，指出隨著出版機構走向數字化，研究人員引用的研究型別發生了變化。他們引用的論文更少，期刊數量也更少，而且更傾向於較新的研究。
作為人工智慧技術的狂熱使用者，Evans 表示他並不反對技術；網際網路和人工智慧都對科學有明顯的好處。但他的最新研究結果表明，政府資助機構、企業和學術機構需要調整科學家的激勵制度，以鼓勵他們少關注使用特定工具，多關注為後代研究人員開闢新天地。
「想象力太匱乏了。」他說，「我們需要放慢將資源完全轉移到人工智慧相關研究的速度，以保留一些現有的替代方法。」
相關報導：https://gizmodo.com/ai-could-be-making-scientists-less-creative-2000538342