人工智能这个大家伙正给科研带来不少麻烦。芝加哥大学的社会学家詹姆斯·埃文斯搞了个大研究，分析了全球四十多万篇论文，想看看AI到底是帮了大忙还是惹了祸。数据说话，用AI的人写的论文数量是非用户的3.02倍，文章被引用的次数更是高了4.85倍。他们处理数据、梳理文献、生成假设都特别快，结果就是平均提前1.4年就成了大牛。但这事儿有个怪圈，就是大家都往一个地方凑。研究发现，科研的议题总量比以前少了4.63%，大家交流互动也变少了22%，变成了那种“人多热闹、各自埋头”的样子。 为什么会这样？主要是因为AI这玩意儿太爱蹭现有的数据热点了。大家为了出成果快，都扎堆去挑那些资料多、有现成标准的领域搞研究。这就导致路子太单一，大家都在围着少数几个热点转，那些可能有新发现的冷门领域反而没人管了。 好在这也不是说非要让AI把路堵死。关键看怎么引导。现在不少评价制度只盯着论文数量和引用率看，这就逼着大家顺着老路走。有专家就建议学校别光看这些硬指标，多支持那些跨学科或者稀奇古怪的研究项目。只有给人和AI留点探索的空间，才能让科学这条河既有深度又有宽度。 芝加哥大学这研究给咱们敲了个警钟：技术是个双刃剑。光图快不行，还得兼顾多样性。咱们得赶紧想办法平衡效率和创新之间的关系，这可是摆在全世界科学家面前的大难题。