芝加哥大学的社会学家詹姆斯·埃文斯带着团队搞了个大研究，把跨越几十年的4130万篇论文都扒了一遍。他们的发现挺有意思：AI这玩意儿虽然能帮研究人员把干活的效率提上去，可要是不用脑细琢磨，搞不好科研这事儿就会走偏。 数据显示，凡是爱用AI工具的研究人员，发论文的数量能比不用的翻三倍多，被别人引用的次数更是翻了快五倍。这说明AI在处理数据、找文献甚至是提假设这些事儿上特别给力，能让人更快出成果、更有存在感。 不过光看这些好处不行，埃文斯他们还发现个大问题：虽然每个人都忙着在自己的小天地里加速产出，但整个科学界的研究重点没怎么拓宽，反倒缩小了4.63%。而且大家互相交流的次数也变少了，下降了22%。 这个现象挺让人头疼的。他们管这叫“孤独的人群”，意思是表面上看起来大家都在热门方向扎堆、成果多引用多，但真正的深度讨论和合作变少了。 为啥会这样？埃文斯说这跟AI的特点还有现在的评价体系有关。现在的AI模型就像只喜欢往光亮处跑的虫子一样，只能在那些数据多、标准清楚的老地盘上跑得飞快。反倒是那些数据少、还没定好规矩的新地盘（也就是有可能出颠覆性创新的地方），因为AI帮不上大忙，就被冷落了。 长此以往，大家为了省事都想着用一样的工具走一样的老路。这就好比大家都往一条路上挤，最后大家都在重复着少数几种研究模式。这种做法会扼杀创造力和多样性。 这篇研究就像是照妖镜一样，照出了一个难题：咱们该怎么用好AI这把双刃剑？是让它变成帮助咱们打开眼界的翅膀呢？还是变成一个缩小我们视野的漏斗？ 不管是定政策的人、还是管科研的机构、或者是每一位科学家自己，都得在享受效率的同时想办法守住科学的多样性和创造性。咱们得有意识地建立一种评价体系，既能鼓励冒险精神，又能包容失败。只有这样，才能保证科学这门学问一直健康地往前走。