清华/芝加哥大学最新Nature成果！AI令科学家提前1.37年晋升，科学探索范围缩减4.63%
原文中文，约4700字，阅读约需12分钟。
📝
内容提要
人工智能（AI）提升了个体科研效率，但也导致科学知识的聚焦和多样性减少。清华大学与芝加哥大学的研究表明，AI助力个人学术发展，但集体科学探索的后续互动减少了22%，数据可得性是这一现象的根本原因。
🔎
延伸解读
AI对科研的双重影响
研究表明，AI在提升个体科研效率的同时，也导致了科学知识的聚焦和多样性减少。这种现象可能会影响科学研究的创新性，科学家在追求个人成就时，可能忽视了更广泛的科学探索。
数据可得性的重要性
研究指出，数据可得性是导致科学聚焦的根本原因。科学家在选择研究方向时，往往倾向于数据丰富的领域，这可能限制了对其他重要领域的探索，进而影响科学的整体发展。
马太效应的加剧
AI研究呈现出更强的马太效应，前22.2%的AI论文获得了80%的引用。这种不平等的引用模式可能导致科研资源和关注度向少数研究倾斜，进一步加剧了科研领域的竞争和不平等。
❓
Q&A
人工智能如何影响科学家的职业发展？
研究表明，采用AI的研究人员年均发文量是未采用者的3.02倍，引用量是4.84倍，职业晋升提前1.37年。
AI对科学知识的多样性有什么影响？
AI的使用导致科学知识的聚焦和多样性减少，研究发现AI研究的后续互动减少约22%。
研究中提到的“马太效应”是什么？
研究发现，前22.2%的AI论文获得了80%的引用，显示出引用的不平等程度显著高于非AI研究。
数据可得性在AI对科学影响中扮演什么角色？
数据可得性被认为是导致科学聚焦的根本原因，AI倾向于集中在数据丰富的领域。
这项研究的主要发现是什么？
研究揭示AI是个人科研的“超级加速器”，但同时也是集体科学的“隐形收缩器”。
如何量化科学研究的知识广度？
研究团队利用SPECTER 2.0模型，将论文映射到768维的语义向量空间，计算覆盖的最大直径来量化知识广度。
🏷️
