图灵汇官网

AI技术对科研领域的双重影响

近年来，随着人工智能（AI）技术的广泛应用，科研领域发生了显著变化。AI不仅提高了写作效率，还增加了论文被顶级期刊收录的概率，从而加快了科研人员的职业晋升速度。然而，这也带来了一些负面影响。一方面，大量科研人员涌入AI领域，导致其他非AI领域的研究被忽视，科研多样性受到威胁。另一方面，AI的应用提升了科研人员的个人生产力，但整体科研领域的广泛参与度和多样性却有所下降。

AI在科研中的应用

自ChatGPT发布以来，各类大模型如雨后春笋般涌现。对于各行各业的文字和脑力工作者而言，AI成为了提升效率的利器，极大地提高了产出量。例如，清华大学、芝加哥大学和Google的研究人员利用AI工具（F1值为0.876）分析了六大主要学科的6790万篇论文。结果显示，使用AI工具的科学家发表的论文数量增加了67.37%，获得的引用次数是未使用AI工具的科学家的3.16倍，并且这些科学家平均可以提前4年成为团队领导者。

AI的局限性

尽管AI工具在某些方面表现出色，但它们也有一定的局限性。一旦科研人员过度依赖AI模型，可能会导致科研探索范围的缩小。这些模型往往只专注于已有的、数据丰富的领域，而忽略了新领域的开拓。因此，虽然AI提升了个人的科研生产力，但整体科研集体的多样性和广泛参与度却有所下降。

科研领域的变化

从1980年到2024年，AI工具在科研领域的应用经历了显著的增长。以地质学为例，AI论文的数量增长了21.39倍，材料科学领域更是增长了241.36倍。同样，采用AI的研究人员比例也大幅增加，从地质学的42.36倍增长到物理学的307.40倍。这表明，AI在科研领域的应用日益普及，但同时也导致了科研集体多样性的减少。

AI对科研人员的影响

研究发现，采用AI工具的科研人员在职业发展中具有明显优势。他们发表的论文数量更多，获得的引用次数也更高。在不同学科中，采用AI的初级科学家转变为资深科学家的概率为49.92%，比不采用AI的同行高出32.01%。此外，采用AI的初级科学家成为资深科学家的时间比不采用AI的同行缩短了约四年。

AI与科研多样性

尽管AI工具在科研中发挥了重要作用，但其应用也带来了一些问题。研究显示，AI论文的知识广度较传统研究缩小了4.96%。在不同学科中，超过70%的子领域的知识广度出现收缩。AI研究的知识分布熵更低，表明人们越来越关注特定问题，而非整个领域。这意味着个体科研人员在追求个人影响力的同时，整体科研领域的探索范围却在缩小。

引用与创新

AI研究中，少数超级明星论文占据了大部分引用，导致科研领域的不平等现象加剧。AI论文的引用模式基尼系数为0.753，高于非AI论文的0.684，表明认可度的不平等正在增加。此外，AI研究中的论文更倾向于扩展原创论文，而非与其他论文形成互动，这可能导致更多重复的想法和冗余创新。

综上所述，AI技术在科研领域的应用既带来了积极的变化，也引发了新的挑战。未来的研究需要平衡AI工具的使用与科研领域的多样性，以促进科学的整体进步。