2015年到2025年这十年间，全球科研论文里的研究话题数量少了4.63%，不同团队间真正的学术交流也掉了22%。这是由芝加哥大学詹姆斯·埃文斯教授的团队搞出来的结果，他们花了三年时间，对横跨几十年的4130万篇科研论文做了大数据分析。这个研究发现，人工智能在成为科研“加速器”的同时，也在无形中给科学探索设限。埃文斯教授解释说，AI工具特别擅长处理数据和找规律，所以成了科研的“效率倍增器”，尤其是在那些需要处理海量信息的领域，能帮人很快在旧基础上有新发现。但这种便利也把科学探索带偏了，因为大家都爱往数据多的地方扎堆。这种“数据趋光性”导致大家都用差不多的技术路子去解决相近的问题，那些数据少但可能藏着大突破的冷门领域就被冷落了。这会让科学变得“单调”，少了不同方法碰撞出的新火花。而且这种变化会被学术评价和资源分配给放大，形成新的“数字鸿沟”。《自然》杂志刊登的这篇文章提醒我们：技术确实能让产出翻倍，让人更早成为核心学者，但也可能让大家变得孤单。要想让AI真正扩展人类的认知边界而不是束缚视野，就得让管理机构、学术圈和政策制定者一起行动起来。大家得想办法优化评价体系、支持高风险原创研究，鼓励大家去搞交叉学科的探索。只有在技术进步和科学精神之间找个平衡点，我们才能驾驭好这场变革，让AI真正成为拓展人类认知的利器。