【ITBEAR】在科研界的一場深刻變革中，麻省理工學(xué)院（MIT）的博士生Aidan Toner-Rodgers經(jīng)過四年的潛心研究，揭示了人工智能（AI）在科研領(lǐng)域中的雙刃劍效應(yīng)。他的研究發(fā)現(xiàn)，AI的引入極大地推動了科學(xué)發(fā)現(xiàn)和技術(shù)創(chuàng)新，卻也在不經(jīng)意間加劇了科研人員之間的能力差距。
在這項跨越四年的實驗中，AI技術(shù)被應(yīng)用于一家大型公司的研發(fā)實驗室，旨在探索新材料發(fā)現(xiàn)的可能性。實驗結(jié)果顯示，AI的加持使得專利申請量激增39%，產(chǎn)品創(chuàng)新數(shù)量也提升了17%。然而，這一顯著成果并未惠及所有科研人員，反而在科研圈內(nèi)引發(fā)了廣泛的焦慮。
Aidan的研究發(fā)現(xiàn)，AI似乎對科研金字塔尖的研究人員更為偏愛。數(shù)據(jù)顯示，前10%的科研精英在AI的輔助下，研究產(chǎn)出飆升了81%，而團隊中墊底的三分之一成員則幾乎沒有從AI那里獲得實質(zhì)性幫助。這一現(xiàn)象的原因在于，頂尖研究人員憑借深厚的專業(yè)知識和敏銳的判斷力，能夠迅速篩選出AI生成的高潛力候選材料，而經(jīng)驗較少的研究者則往往在面對海量數(shù)據(jù)時感到無所適從。
AI的這種“偏心”效應(yīng)，實際上揭示了科研領(lǐng)域中的一個新門檻——評估AI建議的能力。這一門檻無形中加劇了科研領(lǐng)域的“馬太效應(yīng)”，使得強者更強，弱者更弱。在AI的幫助下，創(chuàng)意生成的時間大幅減少，但判斷任務(wù)的時間卻幾乎翻了一番，科研人員需要投入更多精力去甄別和判斷AI生成的結(jié)果。
這一變化不僅影響了科研效率，也對科研人員的工作體驗帶來了深刻影響。高達(dá)82%的科研人員表示，AI工具并沒有讓工作變得更輕松，反而加重了對AI生成內(nèi)容的評估負(fù)擔(dān)。其中，73%的人覺得AI沒有充分利用他們的技能，53%的人則認(rèn)為工作變得越來越機械化、缺乏創(chuàng)造性。
值得注意的是，Aidan本人并非AI研究者，而是一名經(jīng)濟系學(xué)生。他的研究將經(jīng)濟學(xué)與人工智能相結(jié)合，探討了AI對經(jīng)濟活動的影響。這一跨學(xué)科的研究視角，使他能夠更全面地分析AI在科研領(lǐng)域中的作用，以及由此帶來的效率與公平問題。
然而，盡管AI帶來了諸多挑戰(zhàn)，但它也為科研界帶來了新的機遇。AI可以專注于基礎(chǔ)性預(yù)測與篩選任務(wù)，而科研人員則可以保留在“終端評估”的角色，以確?？蒲谐晒膭?chuàng)造性和實用性。這種共生關(guān)系或許能夠成為未來科研領(lǐng)域的一種新模式。
在這項研究的最后，Aidan指出，AI雖然能顯著加速科研進(jìn)程，但這種進(jìn)步往往伴隨著部分科研崗位的消失。因此，科研人員需要不斷適應(yīng)新的AI科研模式，提升自己的跨學(xué)科技能，以便在AI生成的龐大數(shù)據(jù)中篩選出高價值的科研成果。同時，科研機構(gòu)和實驗室也需要重新調(diào)整人員結(jié)構(gòu)，以適應(yīng)AI帶來的變革。
