IT之家 1 月 17 日消息，芝加哥大学社会学家詹姆斯 · 埃文斯（James Evans）团队于 2026 年 1 月 14 日在《Nature》发表重磅研究，揭示了人工智能在科学界的“双刃剑”效应。

该团队深入分析了 4130 万篇研究论文，量化评估了人工智能工具对科学发现的双重影响。结果显示，AI 虽然极大地扩展了科学家个人的研究能力，却意外地收缩了科学探索的集体边界，导致科研重心过度集中，潜在的创新领域遭到冷落。

数据表明，拥抱 AI 的科学家在个人产出上获得了压倒性优势。与不使用 AI 的同行相比，AI 辅助的研究人员发表论文的数量是其 3.02 倍，获得的引用次数更是高达 4.85 倍。

此外，AI 的加持还加速了职业晋升路径，让这些科学家平均提前 1.4 年成长为各自领域的领军人物。AI 工具在处理数据和生成假设方面的惊人效率，显然已成为个人学术竞争力的核心倍增器。

然而，个人层面的繁荣并未转化为科学界的百花齐放。研究发现，随着 AI 的普及，科学研究的整体议题数量反而缩减了 4.63%，科学家之间的学术互动也下降了 22%。

AI 和非 AI 论文的知识范围
埃文斯将这种现象称为“孤独的人群”（Lonely Crowds）：热门话题虽然吸引了大量关注，但引用同一作品的论文之间却缺乏实质性互动。科学家们倾向于利用 AI 在已知问题上通过趋同的方法寻找解决方案，而非通过协作去开辟全新的未知领域。

造成这一现象的根本原因在于 AI 的“数据趋光性”。科学家们正大规模向拥有丰富数据的领域迁移，因为在这些领域，AI 工具能基于易于评估的基准快速产出成果。

这种趋势导致了“方法论单一化”（Methodological Monocultures），科学界正面临过早收敛于既定范式的风险。大量缺乏数据但可能蕴含重大突破的领域因此变得无人问津，科学探索的多样性正遭到前所未有的侵蚀。