作者:Todd Feathers
一项新的研究表明,采用人工智能工具来分析数据和建模结果对年轻科学家的职业前景产生巨大影响,显着增加他们在各自领域晋升到有影响力的职位的机会。但这种对个体研究人员的好处似乎是以科学的更广泛成本为代价的。
中国芝加哥大学和清华大学的研究人员分析了六个科学学科(不包括计算机科学)的近 6800 万篇研究论文,发现采用人工智能技术的论文被引用的频率更高,但也集中在更狭窄的主题和范围内。更加重复。从本质上讲,科学家使用人工智能越多,他们就越关注可以用大型现有数据集回答的同一组问题,而他们探索可以带来全新研究领域的基础问题的次数就越少。
“我对这一发现的巨大规模感到惊讶,[AI] 极大地提高了人们在系统内停留和进步的能力,”该书的合著者詹姆斯·埃文斯 (James Evans) 说道。预印纸芝加哥大学知识实验室主任。“这表明个人有巨大的动力在工作中采用此类系统——在竞争激烈的研究领域中,这种系统的生存与发展之间存在着很大的关系。”
他说,由于这种激励导致人们越来越依赖机器学习、神经网络和变压器模型,“由人工智能完成的整个科学系统正在萎缩”。
该研究考察了 1980 年至 2024 年在生物学、医学、化学、物理学、材料科学和地质学领域发表的论文。研究发现,使用人工智能工具进行研究的科学家每年发表的论文平均多出 67%,而且他们的论文被引用的次数是那些不使用人工智能的科学家的三倍多。
埃文斯和他的合著者随后研究了 350 万科学家的职业轨迹,并将他们分为初级科学家(未领导过研究团队的人)或成熟的科学家(曾领导过研究团队的人)。他们发现,与非人工智能同行相比,使用人工智能的初级科学家继续领导研究团队的可能性要高出 32%,并且进入职业生涯的这一阶段的速度要快得多。更有可能完全离开学术界。
接下来,作者使用人工智能模型对人工智能辅助研究和非人工智能研究涵盖的主题进行分类,并检查不同类型的论文如何相互引用以及它们是否激发了新的探究。
他们发现,在所有六个科学领域,与未使用人工智能的研究人员相比,使用人工智能的研究人员所覆盖的主题领域“缩小了 5%”。
人工智能研究领域也以“超级明星”论文为主。该类别中大约 80% 的引用属于被引用次数最多的论文的前 20%,所有引用的 95% 属于被引用次数最多的论文的前 50%,这意味着大约一半的人工智能辅助研究很少是在以下情况下进行的:曾经再次被引用过。
同样,埃文斯和他的合著者(徐峰利、李勇和郝千月)发现,人工智能研究以论文形式激发的后续参与度比非人工智能研究少 24%。互相引用以及原始论文。
“这些汇总的发现表明,科学领域的人工智能已经变得更加集中在特定的热门话题上,这些话题变成了“孤独的人群”,论文之间的互动减少了,”他们写道。“这种集中导致了更多重叠的想法和多余的创新,从而导致了整个科学知识范围和多样性的收缩。”
埃文斯的专业是研究人们如何学习和进行研究,他表示,科学研究的承包效应类似于互联网出现和学术期刊上线时所发生的情况。2008年,他发表了纸《科学》杂志显示,随着出版商走向数字化,研究人员引用的研究类型发生了变化。他们引用的论文较少,来自较小的期刊,并且青睐更新的研究。
埃文斯本人是人工智能技术的狂热用户,他表示自己并不是反技术;而是反对技术。互联网和人工智能都对科学有明显的好处。但他最新研究的结果表明,政府资助机构、企业和学术机构需要修改科学家的激励制度,以鼓励不太注重使用特定工具、更注重为子孙后代开辟新天地的工作研究人员的基础上。
“想象力匮乏,”他说。“我们需要放慢对人工智能相关研究资源的完全替代,以保留其中一些替代的现有方法。”