最近，《自然》杂志公布了芝加哥大学社会科学团队做的一个研究，这让我们看到了人工智能如何改变科学研究。他们把1990年到2025年间的4130万篇论文都给看了一遍，发现AI对科研有两个大影响。 在个人层面，用AI帮忙的科研人员，他们的产出明显比别人强。他们每年发表的论文数量是不用AI的人的3倍，引用次数更是多了4.85倍。甚至连成为学术骨干的时间都给缩短了1.4年。这些数字说明了AI确实是提升效率的好帮手。 不过问题也来了。尽管个人生产力在提升，科研的整体范围却缩小了。2015年到2025年间，全球论文覆盖的主题数量减少了4.63%，跨领域交流也下降了22%。詹姆斯·埃文斯教授把这个现象叫做“繁荣的孤岛”，就是说一些热点领域很热闹，但不同方向之间的对话变少了。 为什么会这样？原因是大家都往数据多的地方凑。因为这些地方能提供充足的训练材料，让AI模型跑得快，也容易出成果。结果就导致像天体物理、基因组学这些数据密集型的领域文章越来越多，而那些需要长期积累、数据少的方向反而没人关注了。 更让人担心的是这种方法变得太单一了。大家都用差不多的工具、同类的数据集做研究，科学探索的路可能就被堵住了。芝加哥大学的研究警告说，如果不引导好大家的思维，科学界可能陷入一种集体定式，应对难题的能力就会下降。 好在这个影响在不同学科里不一样。像计算机科学、生物信息学这些跟AI天然合拍的领域，技术和创新结合得就比较好；而像理论物理、哲学这些人文社科领域，怎么让技术和思维创新结合起来还得再琢磨琢磨。 面对这个变化，国际科学界已经开始想办法了。有的机构开始调整评价体系，不仅看文章多少，还要看创新和多样性。还有的期刊专门开设栏目鼓励探索非主流方向。 总之，AI和科学融合是大势所趋。芝加哥大学的这项研究让我们明白，工具在提升效率的同时也可能定住科学探索的方向和边界。所以咱们得保持清醒头脑，完善评价机制、加强交流、鼓励创新才行。只有技术赋能和学术自主相辅相成了，AI才能真正帮咱们拓展认知边界。