1月17日消息，芝加哥大学社会学家詹姆斯·埃文斯（James Evans）团队于1月14日在《自然》杂志发表重磅研究，揭示了人工智能在科学界所产生的“双刃剑”效应。
该团队深入分析了4130万篇研究论文，量化评估了人工智能工具对科学发现的双重影响。结果显示，AI虽然极大地扩展了科学家个人的研究能力，却意外地收缩了科学探索的集体边界，导致科研重心过度集中，使一些潜在创新领域遭到冷落。
数据显示，拥抱AI的科学家在个人产出上获得了压倒性优势。与不使用AI的同仁相比，借助AI进行研究的人员，其发表论文的数量是前者的3.02倍，获得的引用次数更是高达4.85倍。
此外，AI的加持还加速了这些学者的职业晋升路径，让他们平均提前1.4年成长为各自领域的领军人物。AI工具在处理数据和生成假说方面展现的惊人效率，已成为个人学术竞争力的核心倍增器。
然而，个人层面的繁荣并未转化为科学界的百花齐放。研究发现，随着AI的普及，科学研究的整体议题数量反而缩减了4.63%，科学家之间的学术互动也下降了22%。
埃文斯将这种现象称为“孤独的人群”（Lonely Crowds）：热门话题虽吸引了大量关注，但引用同一作品的论文之间却缺乏实质性互动。科学家们倾向于利用AI在已知问题上通过趋同的方法寻找解决方案，而非通过协作去开辟全新的未知领域。
造成这一现象的根本原因在于AI的“数据趋光性”。科学家们正大规模地向拥有丰富数据的领域迁移，因为在这些领域，AI工具能基于易于评估的基准快速产出成果。
这种趋势导致了“方法论单一化”（Methodological Monocultures），科学界正面临过早收敛于既定范式的风险。大量缺乏数据但可能蕴藏重大突破的领域因此变得无人问津，科学探索的多样性正遭到前所未有的侵蚀。
