放大镜与漏斗：AI让科学家跑得更快，却让科学走得更窄

> Nature最新研究揭示一个尖锐悖论——AI工具在放大个体科学家产出的同时，正在让整个科学领域变得更窄、更同质化、更依赖已有数据丰富的领域。

---

一、先讲一个画面

想象一个巨大的图书馆。几千年来，科学家们像探险家一样，分散在图书馆的各个角落——有人在地下三层发现了一本没人翻过的手稿，有人在阁楼找到了被灰尘覆盖的地图。他们偶尔在走廊相遇，交换笔记，然后继续走向不同的方向。

现在，AI来了。它给每个科学家发了一副夜视镜和一辆电动滑板。

结果是什么？每个人在原来的走廊里移动速度变快了十倍。但问题是——大家几乎都在同一条走廊里。

---

二、数据不会说谎：个人层面的"AI红利"

清华大学Hao Qianyue团队联合芝加哥大学James Evans，分析了4130万篇自然科学论文，覆盖6个学科，用Fine-tuned BERT模型（F1=0.875）识别AI增强研究。数据覆盖的广度和方法论的严谨性让这项研究很难被质疑。

他们发现，使用AI的科学家在个人层面几乎全线飘红：

指标	AI使用者 vs 非使用者	倍数/差值
年均发表论文数	3.02倍	📈
获得引用数	4.84倍	📈📈
成为项目负责人时间	提前1.37年	⏱️
团队规模	减少1.33人	👥

团队变小了，但产出变大了。初级研究者减少了31.14%（从平均2.89人降至1.99人），资深研究者减少10.77%（从4.01人降至3.58人）。这意味着AI正在替代一部分初级研究者的重复劳动——文献综述、数据清洗、代码调试——这些曾经需要人手的工作，现在被模型自动化了。

更关键的是，AI不仅加速了初级研究者的晋升，还降低了他们退出学术界的风险。Extended Data Fig. 7的生存分析显示，使用AI的初级研究者晋升为资深研究者的时间更短，而离开学术界的时间反而相似或略长。简单说：AI给了你更多留下来的机会，也给了你更快往上爬的梯子。

这听起来像是一个完美的故事。每个人都很开心，对吧？

---

三、但等等——集体层面发生了什么？

当研究团队把镜头从个体拉远到整个科学领域时，画面变了。

科学主题的集体收缩：4.63%

这个数字听起来不大，但放在4130万篇论文的尺度上，它意味着数以万计的研究方向正在被放弃或从未被探索。AI论文的知识范围明显小于非AI论文，在200多个子领域中，超过70%呈现出知识范围的收缩（Extended Data Fig. 8-9）。

科学家之间的互动减少：22%

这是最让我皱眉的一个数字。科学从来就不是一个人的游戏。爱因斯坦需要哥本哈根学派的反驳，沃森和克里克需要富兰克林的X射线衍射照片。当互动减少22%，意味着走廊里的对话变少了，意味着跨学科的碰撞变少了，意味着"意外发现"的概率在下降。

马太效应加剧：引用基尼系数更高

Extended Data Fig. 10的数据很刺眼：在AI研究中，约20%的论文获得了80%的引用，50%的论文获得了95%的引用。这意味着AI不仅没有 democratize（民主化）科学，反而让科学变得更集中、更赢家通吃。那些被AI加持的超级论文像黑洞一样吸走引用，而边缘的研究则被进一步边缘化。

---

四、核心悖论：为什么个人和集体走向相反的方向？

论文用一句话点出了这个悖论的本质：

> "AI工具在放大个体科学家产出的同时，正在让整个科学领域变得更窄、更同质化、更依赖已有数据丰富的领域。"

用费曼的风格来解释：

想象你在一片森林里找蘑菇。以前，每个人拿着小篮子，分散走不同的路，有人往东，有人往西，有人往没人去过的沼泽地。虽然每个人找到的蘑菇不多，但整个村子能找到各种各样的蘑菇。

现在，有人发明了一种"蘑菇探测器"，它能让你在已知的蘑菇田里以十倍的速度采摘。结果是：每个人篮子里的蘑菇都变多了，但整个村子只在一个地方采——因为探测器在陌生的沼泽地里不起作用，那里没有足够的数据来训练它。

这就是AI在科学中的角色：它是已知领域的加速器，但未知领域的探索器。

---

五、这为什么重要？

科学史上，很多重大突破来自"边缘"——那些当时看起来不重要、数据稀缺、甚至有点奇怪的方向。

CRISPR最初是对细菌免疫系统的冷门研究
量子力学诞生于对黑体辐射的"小烦恼"
神经网络在2012年之前被主流AI圈视为死胡同

如果AI工具让科学集体向"数据丰富的领域"集中，我们可能会错过下一个CRISPR。不是因为我们不够聪明，而是因为我们的工具在引导我们走向已知。

论文作者之一James Evans在2008年就发表过一篇著名论文，指出电子出版正在让科学变窄。18年后，他和团队发现——AI正在以更大的力度重复这个趋势。

---

六、最后的问题，留给每一个用AI做研究的人

你上次走进一条"没有数据"的小路，是什么时候？

你使用AI工具时，是在探索新问题，还是在更高效地回答已有问题？

当AI让发表3倍论文、获得4.84倍引用变得可能时，我们是否应该重新设计评价机制——不是问"你发了多少篇"，而是问"你打开了什么新的走廊"？

如果科学集体收缩了4.63%，我们作为个体，愿意为那未知的5%承担多少"效率损失"？

这些问题，Nature不会替你回答。但你的下一个研究选题，可能会。

---

参考论文

Hao, Q., Xu, F., Li, Y. & Evans, J. (2026). Artificial intelligence tools expand scientists' impact but contract science's focus. *Nature*, 649, 1237-1243. https://doi.org/10.1038/s41586-025-09922-y

补充阅读

Evans, J. A. (2008). Electronic publication and the narrowing of science and scholarship. *Science*, 321(5887), 395-399. https://doi.org/10.1126/science.1150473

#AI #科学研究 #科学社会学 #Nature #论文分析 #智柴外脑