�AI for Science 已经是一为辨别论文中是否使用了 AI�识别出可能依赖 AI 工具的论文约 31 万篇�

<p id="48FKVCD5">AI 让科学更成功，)却可能让科学更保守。</p> <p id="48FKVCD6">如今]，AI for Science 已经是一个发展趋势，但这背后有一个不容忽视的核心问题：AI 在帮助科学家提升影响力和更高效地进行科学发现的同时，也在将科学探索的视野收得更窄。这引发了关于科学家个人职业发展与科学领域进步之间潜在张力的深刻思考。</p> <p id="48FKVCD7">那么，AI 对于科学研究到底有怎样的影响？为探索这个问题，来自美国芝加哥大学和清华大学的团队在 Nature 发表了一项深入的研究。</p> <p id="48FKVCD8">简单来理解这个问题，科学家们进行的基础研究就好比是在一片广阔的森林里寻找宝藏，在没有 AI 之前，每个人都根据自己的好奇心和兴趣去探索、发现。现在，他们将 AI 作为“寻宝导航”，因此能更快、更准确地发现宝藏的潜在位置，并获得了更多的关注度和荣誉。</p> <p class="f_center"><br>图丨AI在科学领域的采用日益普及（来源：Nature）<br></p> <p id="48FKVCDB">研究团队分析了从 1980 年至 2025 年间的 4,130 万篇论文，涵盖了生物、医学、化学、物理、材料科学和地质学六大领域。这 45 年期间，也横跨了从传统机器学习到深度学习再到生成式 AI 的时代。</p> <p id="48FKVCDC">为辨别论文中是否使用了 AI，研究团队构建了 BERT 语言模型来识别标题和摘要中的 AI 痕迹。在海量数据集中，识别出可能依赖 AI 工具的论文约 31 万篇，约占研究总数的 0.75%。</p> <p id="48FKVCDD">研究人员发现，在 1980 年至 2025 年期间，AI 论文在总论文中的比例增加了 10.7 倍（地质学）至 51.89 倍（生物学），而采用 AI 的研究人员比例增长更加突出，其中地质学增长了 135.46 倍，物理学领域增长了 362.16 倍。</p> <p class="f_center"><br>图丨AI 扩大论文影响力并助推研究者的职业发展（来源：Nature）<br></p> <p id="48FKVCDG">AI 不仅显著提升了科研效率，还加速了科学家的职业发展之路。从 200 多万名科学家的职业轨迹分析中，研究人员发现，使用 AI 的科学家和未使用 AI 的科学家存在显著差异：从发表的论文数量来看，前者是后者的 3.02 倍；从论文引用次数来看，前者是后者的 4.84 倍。更明显的对比是，使用 AI 的科学家会提前 1.37 年成为研究领域的项目负责人。</p> <p id="48FKVCDH">尽管 AI 对科学家职业发展和科学发现有促进作用，但另一方面，研究发现 AI 的应用也带来了一个令人担忧的问题：科学研究课题的数量减少了 4.63%，科学家之间的互动也减少了 22%。</p> <p id="48FKVCDI">该研究指出，领域的焦点往往聚焦于少数“明星”论文，仅不到四分之一的论文获得了 80% 的引用。这会导致一个更深远的问题是：大量研究工作集中在相近的热点领域，但由于引用同一研究成果的论文之间互动很少，缺乏思想的碰撞和交流，有可能会在知识空间交叉重叠且研究资源方面可能重复投入，研究的广度范围也可能进一步缩小。</p> <p id="48FKVCDJ">“当你的注意力被像 AlphaFold 这样的明星论文吸引时，你满脑子想的都是如何在 AlphaFold 的基础上继续做，并抢在别人前面完成。”该论文共同通讯作者、清华大学助理教授徐丰力对媒体表示，“但如果我们都在攀登同一座山，那就意味着还有很多领域无人探索。”</p> <p id="48FKVCDK">这可能引发的问题是，科学家们倾向于寻找已知问题的相同解决方案，而不是提出新的解决方案。值得警惕的是，研究团队发现，在统计的细分研究领域中，70% 以上呈现出研究广度收缩的趋势。</p> <p id="48FKVCDL">美国耶鲁大学社会文化人类学家丽莎·梅西（Lisa Messeri）在接受媒体采访时表示，这些结果应该为整个学术共同体敲响“响亮的警钟”。“科学本质上是一项集体事业，我们必须严肃反思：一种让个人受益、却破坏科学整体的工具，我们究竟该如何使用它。”</p> <p id="48FKVCDM">这带来的结果很可能会造成一种两极分化：大家都“扎堆”在少数几个地方集中挖宝（数据丰富的领域），而其他数据稀缺或尚没有标准的领域可能鲜有人探索，相当于科学家们探索领域的“视野”变窄了。这也突显了 AI 为科学家带来的个体与科学行业之间的矛盾。</p> <p id="48FKVCDN">当然，这个问题需要理性地来看待：一方面，在数据丰富的领域，基于 AI 可快速处理和分析海量信息，加速科学发现的进程；另一方面，在那些数据相对稀缺、基础性和探索性的研究，尽管这些方向的效果可能不是“立竿见影”，但仍需要科学家们的长久关注。</p> <p id="48FKVCDO">正如该论文共同通讯作者、芝加哥大学詹姆斯·埃文斯（James Evans）教授在此前发表在 Science 的研究中指出，AI 的效率可能会造成方法论上的单一化。如果没有多样化的方法，科学就有可能过早地趋同于既有的范式，而不是探索真正新颖的方向。</p> <p class="f_center"><br>（来源：Nature）<br></p> <p id="48FKVCDR">这项研究就像一面镜子，让我们看到，尽管 AI 帮助科学更高效，但它不会自动拓展科学边界。真正决定边界的，仍然是我们如何奖励、资助和评价科学探索。</p> <p id="48FKVCDS">参考资料：</p> <p id="48FKVCDT">1.https://doi.org/10.1038/s41586-025-09922-y</p> <p id="48FKVCDU">2.https://www.eurekalert.org/news-releases/1112213</p> <p id="48FKVCDV">3.https://www.science.org/content/article/ai-has-supercharged-scientists-may-have-shrunk-science</p> <p id="48FKVCE0">运营/排版：何晨龙</p>