芝加哥大学社会学家詹姆斯·埃文斯带着团队用4130万篇论文做了分析，发现AI给科研界带来了不少麻烦。虽然AI能让人提前1.4年就变成核心研究者，论文数量也比别人多3倍，引用次数更是高出4.85倍，但这种效率红利背后隐藏着隐患。研究指出，全球科研议题的总量下降了4.63%，大家交流变少了22%，很多人感觉像是在“孤独地工作”。这是因为AI喜欢往数据多的地方扎堆，大家为了快速出成果就选了那些已经有成熟方法的热门领域，导致探索的路子变得狭窄。詹姆斯·埃文斯把这种现象叫做“高密度、低互动”的局面。 其实AI本身并不一定非要让创新变窄，关键要看怎么引导它。现在的评价机制太看重论文数量和引用次数，这就让研究者不得不跟着AI的指引走老路。要想改变这种状况，管理部门得想办法支持那些非共识的交叉学科研究。只有给人类和AI留出更多的“未知空间”，让他们能在冒险和失败中互相协作，科学才能既保持前进的速度，又有宽广的空间接纳各种新思想。怎么在效率和创新之间找平衡，这是摆在全球科研共同体面前的一个大问题。