|
|
来源：市场资讯
7 \+ I& Y' @6 T; k0 @: H（来源：IT之家）
/ J3 l0 {( ]$ }* w# v) E& tIT之家 1 月 17 日消息，芝加哥大学社会学家詹姆斯 · 埃文斯（James Evans）团队于 2026 年 1 月 14 日在《Nature》发表重磅研究，揭示了人工智能在科学界的“双刃剑”效应。! O' Z6 g( p/ {6 k5 z: t- T- ]2 a: h
该团队深入分析了 4130 万篇研究论文，量化评估了人工智能工具对科学发现的双重影响。结果显示，AI 虽然极大地扩展了科学家个人的研究能力，却意外地收缩了科学探索的集体边界，导致科研重心过度集中，潜在的创新领域遭到冷落。4 {2 r0 c3 F9 }: ?
6 ]6 ]5 M. v% o; |+ h
数据表明，拥抱 AI 的科学家在个人产出上获得了压倒性优势。与不使用 AI 的同行相比，AI 辅助的研究人员发表论文的数量是其 3.02 倍，获得的引用次数更是高达 4.85 倍。
, k5 [# T2 f3 l6 r; f- X1 I Z此外，AI 的加持还加速了职业晋升路径，让这些科学家平均提前 1.4 年成长为各自领域的领军人物。AI 工具在处理数据和生成假设方面的惊人效率，显然已成为个人学术竞争力的核心倍增器。3 s( w" s: u+ @% W
然而，个人层面的繁荣并未转化为科学界的百花齐放。研究发现，随着 AI 的普及，科学研究的整体议题数量反而缩减了 4.63%，科学家之间的学术互动也下降了 22%。
6 c" ?* s& s$ h( \# r2 Y5 m+ [
7 ]* y9 n8 x4 z0 C, @7 l& ?" Z; lAI 和非 AI 论文的知识范围
X# K/ p8 d: y9 E D埃文斯将这种现象称为“孤独的人群”（Lonely Crowds）：热门话题虽然吸引了大量关注，但引用同一作品的论文之间却缺乏实质性互动。科学家们倾向于利用 AI 在已知问题上通过趋同的方法寻找解决方案，而非通过协作去开辟全新的未知领域。- Q6 D5 _; B5 G! t7 _
造成这一现象的根本原因在于 AI 的“数据趋光性”。科学家们正大规模向拥有丰富数据的领域迁移，因为在这些领域，AI 工具能基于易于评估的基准快速产出成果。+ |: V V# v/ P( _, q
这种趋势导致了“方法论单一化”（Methodological Monocultures），科学界正面临过早收敛于既定范式的风险。大量缺乏数据但可能蕴含重大突破的领域因此变得无人问津，科学探索的多样性正遭到前所未有的侵蚀。- g3 X0 r2 \" a* J! P' T
IT之家附上参考地址 |
|
公安备案号：辽公网安备21020302000612号 手机版
发表于 2026-2-15 17:29:06