org/content/article/ai-has-supercharged-scientists-may-have-shrunk-science Nature深度解读�nature.nature.

<p class="f_center"><br></p> <p id="48IAT7SG"><strong>新智元报(道</strong></p> <p id="48IAT7SJ">编辑：LRST</p> <p id="48IAT7SL"><strong>【新智元导读[】清华在Nature上发表的最新研究发现，AI使科学家更聚焦于数据丰富、问题明确的领域，导致创新单一化，跨界合作减少。研究团队提出「全流程科研智能体系统」，推动AI从工具进化为伙伴，拓展科学边界。</strong></p> <p id="48IAT7SN">当AlphaFold预测蛋白质结构、ChatGPT辅助科研写作、AI实验室自主设计实验成为常态，我们不禁要问：<strong>AI真的在加速科学进步吗？还是在悄悄改变科学探索的「游戏规则」？</strong></p> <p id="48IAT7SO">2026年1月，清华大学电子工程系徐丰力、李勇教授联合芝加哥大学团队在《Nature》发表重磅研究，通过对4100余万篇科研论文的跨45年分析，首次揭示了一个令人深思的矛盾现象：AI正显著提升科学家的个人生产力，却在无形中收缩了科学探索的集体疆域。</p> <p class="f_center"><br></p> <p id="48IAT7SQ">论文链接：https://www.nature.com/articles/s41586-025-09922-y</p> <p id="48IAT7SR">Science跟进报道https://www.science.org/content/article/ai-has-supercharged-scientists-may-have-shrunk-science</p> <p id="48IAT7SS">Nature深度解读：https://www.nature.com/articles/d41586-025-04092-3</p> <p id="48IAT7ST">研究团队构建了全球首个AI赋能科研全景知识图谱，通过高质量专家标注与大规模语言模型训练，精准识别了跨越「机器学习、深度学习、生成式AI」三个时代的AI增强型科研论文。</p> <p class="f_center"><br></p> <p id="48IAT7SV">分析显示，使用AI的科学家在个人层面获得显著优势：年均发表论文量高出3.02倍；获得引用量高出4.84倍；从初级晋升资深平均提前1.37年；AI论文年均引用量高出98.7%</p> <p class="f_center"><br></p> <p id="48IAT7T1">「这表明AI工具确实有效提升了科学家的产出效率和影响力。」清华大学电子工程系徐丰力助理教授表示。</p> <p id="48IAT7T2">然而，当视角从个体转向集体，研究发现了一个令人担忧的现象：</p> <p></p> <ul> <p id="48IAT7T3">AI驱动研究的集体知识广度下降4.63%</p> <p></p> <p id="48IAT7T4">科学家间的跨界互动减少22%</p> <p></p> <p id="48IAT7T5">AI论文引文呈现「星型结构」，创新活力趋向集中和单一化</p> <p></p> </ul> <p class="f_center"><br></p> <p id="48IAT7T7">李勇教授解释道，「我们发现，AI的高效引导了研究者集体涌向少数适合AI研究的热门山峰，这种群体登山模式虽加速了已知问题的解决，却无形中固化了科学探索的路径，系统性地削弱了科学家向未知山峰探索的广度。」</p> <p class="f_center"><br></p> <p id="48IAT7T9">登山效应实例图</p> <p id="48IAT7TA"><strong>为什么AI会「缩小」科学疆域？</strong></p> <p id="48IAT7TB">研究团队深入分析发现，AI的「偏好」源于数据可及性：AI更倾向于在「数据丰富、问题明确」的领域发力，而数据匮乏、问题模糊的前沿领域则被边缘化。</p> <p id="48IAT7TC">研究团队指出，「AI不是不善于创新，而是更容易在数据充足、问题清晰的领域发力。当AI被广泛应用于科研，它引导科学家集体涌向那些数据丰富、问题明确的热门山峰，导致科学探索的趋同优化。」</p> <p id="48IAT7TD">这与我们对科学进步的期待形成鲜明对比：科学的真正价值不仅在于解决问题，更在于提出问题。</p> <p id="48IAT7TE"><strong>从「辅助工具」到「合作伙伴」</strong></p> <p id="48IAT7TF"><strong>AI科研的范式升级</strong></p> <p id="48IAT7TG">面对这一「内卷悖论」，徐丰力、李勇教授团队提出全新解决方案：「全流程科研智能体系统」（OmniScientist.ai）。</p> <p class="f_center"><br></p> <p id="48IAT7TI">访问链接：OmniScientist.ai</p> <p id="48IAT7TJ">该系统通过深度挖掘大模型智能体的通用推理能力，实现跨学科、全流程、多模态的广谱科研赋能，推动AI从「辅助工具」进化为具备「主动提出假说、自主设计实验、分析结果并形成理论」的「AI科学家」。</p> <p id="48IAT7TK">「我们正在构建的，是一个加速接近现有知识边界的科学世界，而不是一个能不断揭示新知识边界的未来世界。」徐丰力教授强调，「未来AI需要拓展的不仅是认知能力，更是感知与实验能力。」</p> <p id="48IAT7TL"><strong>未来启示</strong></p> <p id="48IAT7TM"><strong>警惕「科学内卷」，拓展认知边界</strong></p> <p id="48IAT7TN">论文的发现，为科学政策制定者和AI研究者敲响了警钟：AI在加速个体科研产出的同时，可能正在系统性地削弱科学探索的多样性。</p> <p id="48IAT7TO">「我们需要重新思考AI在科学中的定位，」李勇教授表示，「AI不应只是认知能力的放大器，更应成为感知与实验能力的拓展器。」</p> <p id="48IAT7TP">AI在科研中的应用正从「工具」走向「伙伴」，但这场范式升级绝非一帆风顺。</p> <p id="48IAT7TQ">当AI让科学家们「跑得更快」，我们更需要警惕：我们是否在加速走向一个「科学内卷」的未来？</p> <p id="48IAT7TR">正如研究指出，「科学的真正价值不仅在于解决问题，更在于提出问题。」</p> <p id="48IAT7TS">在这个AI驱动的时代，我们更需要保持对未知的热忱，让AI成为探索边界的开拓者，而非舒适区的守卫者。</p> <p id="48IAT7TT"><strong>作者介绍</strong></p> <p id="48IAT7TU">该研究由清华大学电子工程系徐丰力（助理教授）、李勇（教授）与芝加哥大学社会学系James Evans教授联合主导，清华大学电子工程系博士生郝千越为第一作者。</p> <p id="48IAT7TV"><strong>徐丰力：</strong>清华大学电子工程系助理教授，专注于人工智能与科学发现的交叉研究</p> <p id="48IAT7U0"><strong>李勇：</strong>清华大学电子工程系教授，国家杰出青年科学基金获得者，长期致力于智能科学与工程研究</p> <p id="48IAT7U1"><strong>James Evans：</strong>芝加哥大学知识实验室主任，社会学教授，科学计量学权威</p> <p id="48IAT7U2">研究获国家自然科学基金支持，完成单位为清华大学电子工程系、芝加哥大学社会学系。</p> <p id="48IAT7U3">参考资料：<br></p> <p id="48IAT7U4">https://www.nature.com/articles/s41586-025-09922-y</p> <p class="f_center"><br></p>