最近，芝加哥大学社会学教授詹姆斯·埃文斯率领团队在《自然》期刊上发表了一项重磅研究，给大家展示了人工智能在科研领域的深刻影响。他们把全球4130万篇学术论文都翻了一遍，发现了一些挺有意思的现象。 你要是给科研人员配个AI助手，他们的年发文量能蹭蹭涨到未使用AI同行的3.02倍，引用次数更是猛涨4.85倍。这些技术在处理数据、梳理文献还有实验模拟上那是相当好使，变成了大家提升效率的好帮手。而且因为干活快，很多用AI的研究者比传统学者早大概1.4年拿到重要头衔或者升职。 不过事情没这么简单。虽然个体的产出翻倍了，但全球的研究议题总量却缩减了约4.63%，大家也不怎么爱跨团队合作交流了，频率下降了22%。这就像一群特别聪明的人凑到一起聊天一样，话是说得越多越投机，但深层的思想碰撞反而变少了。 埃文斯教授把这种情况叫作“孤独的群体”。现在的热门领域论文很多，但大家研究的视角和方法论都差不多。这其实跟AI的特性有关，主流工具都是靠大规模数据训练出来的，在数据多、评价标准明确的传统领域特别顺手。 这就把科研资源都导向了少数热门领域，而那些数据少、但可能有大突破的交叉学科和前沿探索区反而被冷落了。长此以往可能就会形成一个很单一的科研生态圈，变得越来越没活力。 当然了，这篇研究不是说要把AI废掉，而是觉得得给科技的发展把把关。埃文斯建议科研管理机构多给那些数据匮乏的探索性研究投点钱，建个跨学科合作的平台；还得把评价体系改改，不光看发了多少论文，更要重原创性和学科多样性。 说到底，AI和科研深度融合是挡不住的趋势。大家要学会在享受技术红利的同时，还得守住那份探索未知的初心。只有平衡好了技术进步和学术生态的健康关系，人类的科学事业才能走得更远更稳。