AI for Science悖论：成就科学家，却伤害科学

“AI不会取代你，但使用AI的人可能会。”

这句话流传已久，如今一项史无前例的大规模学术研究证实，这个预言正在科学界成为现实，结局甚至比想象中更加复杂和令人担忧。

双赢还是双输？

想象一下，如果有办法能让你的工作效率提升3倍，名气增长近5倍，职业发展速度快一年半，你会怎么选择？

绝大多数科学家显然选择了拥抱AI，但最新研究揭示了一个令人不安的悖论：这种个人层面的巨大成功，正在以科学整体的衰落为代价。

用AI研究AI：透视45年科学轨迹

为厘清AI对科学的影响，研究团队完成了一项几乎不可能靠人工实现的工作：

他们分析了自1980年至2025年间，跨越机器学习（1980‑2014）、深度学习（2016‑2022）与生成式AI（2023至今）三个时代，来自生物、医学、化学、物理、材料科学和地质学六大领域的4130万篇论文。

如何判断一篇论文是否使用了AI？

团队训练了一个"AI侦探"，基于BERT模型进行两阶段微调，让它学会从标题与摘要中识别AI技术的痕迹。这套系统最终从海量论文中找出约31万篇AI增强论文，占总数的0.75%。

为确保可靠性，多位领域专家进行了人工核验。结果显示，模型判断的准确率（F1分数）达0.875，而专家间的评判一致性更高达0.964，在社科研究中堪称罕见的高信度。

科学家的"加速人生"：发表多3倍，引用高5倍

数据证实，AI正在成为科研者的"职业加速器"，拥抱AI的科学家们正在经历前所未有的职业高光时刻：使用AI的科学家发表论文数量是未使用者的3.02倍，获得的引用数量是4.84倍，更重要的是，他们成为研究项目负责人的速度快了1.37年。

在200多万名科学家的职业轨迹分析中，使用AI的初级科学家更少中途退出学术界，更有可能成为成熟的领导型研究者。这种优势跨越了所有研究的学科领域，似乎不受科学分支的影响。

"一旦出现像AlphaFold这样的突破时，你满脑子想的就是如何超越别人，抢先完成研究，"论文的共同作者清华大学的徐丰力说，“可如果我们都在攀登同一座山，那就有其他很多山，我们永远无法探索。”

科学的"收缩"：领域窄化，互动减少

然而全景看，情况就不这么乐观了，AI for Scicence虽然让科学家获得了巨大成功，却让整个科学生态系统变得更加狭窄和孤立。

研究发现，AI研究覆盖的学科领域比传统研究减少了4.63%。更令人担忧的是，AI驱动的论文在所有自然科学领域的跨学科互动减少了22%。它们往往围绕少数"明星论文"形成孤岛，而非交织成网。22.2% 的顶尖AI论文获得了80%的引用，超过一半的引用集中在极少数成果上，科学的"贫富差距"正在拉大。

这种模式产生了一个恶性循环：热门问题吸引大量数据积累，丰富的datasets让AI工具变得更有吸引力，使用AI取得的进展又吸引更多科学家涌入同一问题。"我们就像群居动物一样。"芝加哥大学计算社会科学家詹姆斯·埃文斯（James Evans）说，“热点问题催生大数据，大数据吸引AI工具，AI的进展又引来更多学者，形成一个自我强化的循环。”

数据为王的选择逻辑

研究还有一个令人意外的发现：AI for Science选择研究领域的决定性因素不是原创性、重要性，甚至不是经费的优先级，而是数据的丰富程度。拥有大量数据的领域成为AI研究的"香饽饽"，而那些数据稀缺但同样重要的领域则被冷落。

这种趋势正在重塑科学的版图，就像淘金热一样，AI研究者们涌向最容易挖掘的地方，而忽略了那些需要更深层探索的未知领域。

窄化可否逆转？

耶鲁大学社会文化人类学家丽莎·梅西（Lisa Messeri）警告说，这些结果应该为整个学术界敲响警钟。"科学无非是一种集体事业，"她说，“我们必须深入思考如何处理这种让个人受益却摧毁科学的工具。”

西北大学研究科学学的王大顺（Dashun Wang）表示，“科学正在经历一种程度罕见的颠覆”，生成式AI的快速崛起，正在以许多科学机构无法跟上的速度重塑研究工作流程，这只会让风险更高，科学的未来形态更加不确定。

但研究人员认为，这种科学的窄化趋势仍然是可以逆转的。延世大学心理学教授、专门研究科学学的林志成（Zhicheng Lin）认为，一个解决方案是在尚未大量使用AI的领域构建更好、更大的数据集。"我们不能通过强制转向数据密集型方法来改善科学，"他说，“更光明的未来应该在更多领域创造更丰富的数据集。”

研究合作者、清华大学的李勇进一步指出，未来的AI系统应该从简单地处理数据进化为具备科学创造力的自主智能体，这将有望再次扩展科学的视野。

埃文斯强调，科学界必须首先反思这些工具如何影响了整个激励机制。“AI增强的研究正在获得越来越多资源，它本应催生新领域，而不是只让我们在旧问题上内卷。”

重新定义AI时代的科学成功

这项研究揭示的不仅是一个技术问题，更是一个深刻的科学哲学命题：在一个AI能够放大个人能力的时代，我们如何定义真正的科学进步？是在已有领域挖得更深，还是勇敢探索未知的疆界？

当AI工具让个人效能更强，当工具让我们走得更快，我们更需记得为何出发——

个人的辉煌，不应以集体视野的狭窄为代价。

这或许是AI留给科学界最艰巨，也最值得迎接的挑战。

论文信息

发布期刊Nature

发布时间2026年1月14日

文章标题Artificial intelligence tools expand scientists’impact but contract science’s focus

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

吴欧 | 编辑

点个“小爱心”吧