就在剛剛，清華大學(xué)的一項(xiàng)AI for Science研究不僅登上Nature，而且還被Science深度報(bào)道了。

這項(xiàng)來自清華大學(xué)李勇團(tuán)隊(duì)的研究通過分析全球2.5億篇科學(xué)文獻(xiàn)，揭示了AI for Science領(lǐng)域存在的一個(gè)典型矛盾——

• AI在助力科學(xué)家“個(gè)體加速”的同時(shí)，卻導(dǎo)致科學(xué)界的集體注意力窄化和趨同優(yōu)化的“群體登山”現(xiàn)象。

就是說，雖然AI幫助科學(xué)家發(fā)表了更多論文、更早成為項(xiàng)目負(fù)責(zé)人，但卻導(dǎo)致人們集體涌入少量適合AI研究的“熱門山峰”，從而無形中削弱了科學(xué)探索的廣度。

而且進(jìn)一步分析表明，這一矛盾絕非偶然，而是由當(dāng)前科學(xué)智能AI模型缺乏通用性導(dǎo)致的系統(tǒng)性影響。

下面詳細(xì)來看這到底是一項(xiàng)怎樣的研究。

第一步：尋覓AI for Science的演化蹤跡

回到起點(diǎn)，團(tuán)隊(duì)之所以進(jìn)行這項(xiàng)研究，主要是發(fā)現(xiàn)AI for Science領(lǐng)域存在一個(gè)明顯矛盾——

在AI持續(xù)賦能科研的背景下，為何各學(xué)科的整體科學(xué)進(jìn)展未見明顯加速？

一方面，AI for Science研究已經(jīng)產(chǎn)生了AlphaFold這樣的榮獲諾貝爾獎(jiǎng)的成果；但另一方面，統(tǒng)計(jì)表明各學(xué)科領(lǐng)域的顛覆性研究成果在逐年下降，似乎未能獲得AI助力。

這背后的原因到底是什么？到目前為止，業(yè)界仍然沒有明確答案。

于是，團(tuán)隊(duì)向著這一問題出發(fā)了，并最終發(fā)表了《Artificial Intelligence Tools Expand Scientists’ Impact but Contract Science’s Focus》這篇論文。

在論文中，團(tuán)隊(duì)進(jìn)行的首項(xiàng)工作是：從浩如煙海的文獻(xiàn)中找出那些“AI賦能的研究”。

這一步對(duì)后續(xù)定量刻畫AI對(duì)科學(xué)的影響至關(guān)重要。

為此，團(tuán)隊(duì)摒棄了停留在關(guān)鍵詞層面的淺層檢索方法，而提出了一條“高質(zhì)量專家標(biāo)注 + 大規(guī)模語言模型推理“相結(jié)合的技術(shù)路徑——

通過領(lǐng)域?qū)＜覙?biāo)注少量論文樣本，再讓語言模型大規(guī)模推理的迭代優(yōu)化，逐步讓語言模型學(xué)會(huì)從標(biāo)題和摘要中深層次的分析“那些是使用了AI工具的研究”。

論文顯示，BERT的識(shí)別準(zhǔn)確率非常高，達(dá)到了0.875分（滿分為1）。

靠著這套方法，他們掃描了近50年來的海量文獻(xiàn)（涵蓋1980-2025年），最終畫出了一張“AI賦能科研全景地圖”。

這張地圖橫跨“機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、生成式AI”三個(gè)時(shí)代，涵蓋4130萬篇論文、覆蓋2857萬研究者，被團(tuán)隊(duì)視為研究“AI如何系統(tǒng)性影響科研”的首個(gè)基準(zhǔn)數(shù)據(jù)集。

然后…發(fā)現(xiàn)AI for Science領(lǐng)域的矛盾效應(yīng)

基于該數(shù)據(jù)集，團(tuán)隊(duì)系統(tǒng)性分析了AI在自然科學(xué)六大領(lǐng)域（生物、醫(yī)學(xué)、化學(xué)、物理、材料科學(xué)和地質(zhì)學(xué)）的影響。

所采用的分析方法大致可分為以下三個(gè)階段：

• step 1：構(gòu)建“科學(xué)語義地圖”
• step 2：定義衡量“廣度”的指標(biāo)
• step 3：進(jìn)行比較分析

簡(jiǎn)單來說，團(tuán)隊(duì)想要回答一個(gè)關(guān)鍵問題——

有了AI的幫助后，科學(xué)家探索的領(lǐng)域到底是變寬了，還是變窄了？

為了客觀衡量這種看不見、摸不著的“認(rèn)知版圖”，他們提出了基于隱藏變量的科學(xué)學(xué)分析方法。

該方法和傳統(tǒng)科學(xué)學(xué)的區(qū)別在于，它不再僅僅依賴論文的標(biāo)題、關(guān)鍵詞、作者、引用關(guān)系等“表面”數(shù)據(jù)，而是深入到論文的“思想”和“內(nèi)容”本身，從而能更精細(xì)地度量像“知識(shí)廣度”這樣抽象的概念。

具體到第一步，他們把每篇論文中最能代表其內(nèi)容的標(biāo)題和摘要作為核心文本，通過一個(gè)深度嵌入表征模型轉(zhuǎn)換成一個(gè)由768個(gè)數(shù)字組成的、固定長(zhǎng)度的數(shù)學(xué)向量。

這個(gè)向量就是每篇論文在高維數(shù)字空間中的“坐標(biāo)”——理論上，語義相似的論文，其向量距離也會(huì)更接近。

而當(dāng)所有論文都找到自己的“坐標(biāo)”后，團(tuán)隊(duì)主要通過“直徑”和熵值這兩個(gè)指標(biāo)來測(cè)量知識(shí)廣度。

前者用來衡量探索的“最遠(yuǎn)邊界”。

比如對(duì)于某個(gè)領(lǐng)域一年的AI論文，先計(jì)算它們所有坐標(biāo)點(diǎn)的幾何中心，然后找出離中心點(diǎn)最遠(yuǎn)的那篇論文，測(cè)量它們之間的歐氏距離。

這個(gè)距離就是研究中定義的“直徑”，用于衡量這批論文的主題覆蓋廣度。直徑越大，說明探索的范圍越廣。

后者用來衡量分布的“均勻度”。

這是指分析同一批論文坐標(biāo)點(diǎn)在空間中的分布狀態(tài)——如果均勻分散在空間各處則熵值高，反之，如果它們緊密地聚集在少數(shù)幾個(gè)熱點(diǎn)周圍，則熵值低。

然后就用這些指標(biāo)去分別測(cè)量?jī)深惪茖W(xué)家群體的論文：一類是使用AI進(jìn)行研究的，另一類是不使用AI的。

以此判斷AI究竟是在擴(kuò)張還是收縮科學(xué)的認(rèn)知邊界。

結(jié)果發(fā)現(xiàn)，在微觀個(gè)體層面，使用AI的科學(xué)家比不使用的多發(fā)表3.02倍論文，獲得4.84倍引用量。

而且前者更是提早1.37年成為研究項(xiàng)目負(fù)責(zé)人（以末位作者為標(biāo)志）。

然而，個(gè)體科研加速的背后，卻是人類整體科學(xué)版圖的異常收縮。

在集體層面上，與AI結(jié)合的科研項(xiàng)目的知識(shí)廣度下降了4.63%、不同領(lǐng)域科學(xué)家間的跨界互動(dòng)減少了22%，而且AI論文引用呈現(xiàn)“星型結(jié)構(gòu)”——

幾乎都在引用同一篇或少數(shù)幾篇經(jīng)典的、開創(chuàng)性的AI工作，這表明研究趨向集中和單一化，缺少創(chuàng)新活力。

那么問題來了，這一矛盾現(xiàn)象究竟是什么導(dǎo)致的呢？

背后原因揭秘：當(dāng)前模型缺乏通用性

論文給出了一個(gè)明確結(jié)論——

這是由當(dāng)前AI for Science模型缺乏通用性導(dǎo)致的系統(tǒng)性影響。

團(tuán)隊(duì)發(fā)現(xiàn)，AI的高效率產(chǎn)生了一種強(qiáng)大的“科學(xué)智能引力”效應(yīng)。它引導(dǎo)研究者集體涌向少量適合AI研究的“熱門山峰”，即那些已有大量數(shù)據(jù)、適合用現(xiàn)有AI方法快速出成果的研究方向。

這種“群體登山”模式，雖能加速對(duì)已知問題的解決，卻也在無形中固化了科學(xué)探索的路徑，系統(tǒng)性地削弱了科學(xué)家向“未知山峰”探索的廣度。

最終就形成了“廣度讓位于速度”的現(xiàn)象。

團(tuán)隊(duì)表示，這一矛盾機(jī)制的發(fā)現(xiàn)是對(duì)AI賦能科研模式的深度反思：

• 現(xiàn)有的AI for Science雖然極大地促進(jìn)了局部的效率提升，卻難以驅(qū)動(dòng)全鏈條、多領(lǐng)域的科研創(chuàng)新。

而為了突破這一局限，徐豐力、李勇教授團(tuán)隊(duì)最終推出了全流程、跨學(xué)科的科研智能體系統(tǒng)—OmniScientist。（訪問網(wǎng)址：OmniScientist.ai）

該系統(tǒng)通過深入挖掘大模型智能體的通用推理能力，實(shí)現(xiàn)跨學(xué)科、全流程、多模態(tài)的系統(tǒng)性科研支持，從而讓AI從“輔助工具”進(jìn)化為具備“主動(dòng)提出假說、自主設(shè)計(jì)實(shí)驗(yàn)、分析結(jié)果并形成理論”的“AI科學(xué)家”。

最后，這項(xiàng)研究完成單位為清華大學(xué)電子工程系、芝加哥大學(xué)社會(huì)學(xué)系，通訊作者為徐豐力助理教授、李勇教授、James Evans教授，第一作者為清華大學(xué)電子工程系博士生郝千越。

論文：

https://arxiv.org/abs/2412.07727