北京
AI本应让科学家从繁琐事务中解放出来，把更多精力留给深度思考。但一项新研究提出了相反的判断：即便大语言模型完美无瑕，科研质量也可能因此下降，而非提升。
来自普林斯顿大学、华盛顿大学等机构的研究者发表了一篇理论经济学论文，核心观点是：当AI替科学家省下时间，科学家的时间反而变得更“值钱”，每一小时投入现有项目，就意味着少了一小时去启动新项目。经济学家称之为“机会成本”，论文的模型正是建立在这个概念之上。
省下的时间，去了哪里？
研究者的分析刻意将大语言模型“理想化”——假设它们能削减时间成本、不引入错误、且财务代价可忽略不计。这种设定是为了把“节省时间”这一单一效应从技术众所周知的缺陷中剥离出来，单独观察其影响。
他们构建的数学模型借鉴了行为生态学中的“最优觅食理论”，这套框架原本用于描述生物如何在竞争性机会之间分配精力。将其适配到科研场景后，模型模拟了研究者如何在多个项目间分配劳动，以及当大语言模型缩短项目生命周期中不同阶段时，会发生什么变化。
在模型中，一个研究项目分为两个阶段。研究者首先判断一个想法是否可行，然后决定放弃还是推进。推进阶段包含两部分：一部分是强制性的，比如制作图表、排版文字、提交论文；另一部分则是自愿性的，比如补充实验、深入分析、打磨文字。论文指出，当时间变得稀缺时，被牺牲的正是这后一部分。
三种场景，同一个趋势
论文设想了AI介入科研流程的三种场景。第一种，AI帮助评估早期想法。因为重新开始变得便宜，研究者会变得更挑剔，只有最有前景的项目才能推进。但即便是这些项目，得到的打磨也会更少——省下的时间被用于启动新项目更划算。作者认为，这种模式在技术领域尤为典型。
第二种，AI帮助出版环节，加速写作、排版和分析。由于把论文“送出门”变得更容易，原本不够扎实的项目也值得做了。结果是更多论文进入流通，但每一篇的深度都可能打折扣。
第三种场景涉及AI在科研全流程中的应用，论文的结论指向同一个方向：当时间成本被大幅压缩，研究者的理性选择是“广撒网”而非“深挖井”。
效率提升，质量未必跟随
这项研究的价值在于，它把“AI提升科研效率”这一流行叙事翻了个面。效率提升是事实，但效率提升的果实未必落在“做得更好”上，而可能落在“做得更多但更浅”上。
论文作者提醒，如果AI让每个项目的边际成本下降，研究者的最优策略就是同时推进更多项目，而不是在单个项目上投入更多。这解释了为什么论文数量可能增加，而单篇论文的深度和严谨性反而面临压力。
当然，这是一项理论模型研究，结论建立在理想化假设之上。现实中的科研生态还受到同行评议、基金评审、学术声誉等机制的约束。但它的提醒值得认真对待：当我们为AI节省的时间欢呼时，也需要问一句——这些时间，真的会流向更深的研究吗？
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
