Анализ 41 миллиона научных работ показал, что ИИ сокращает масштабы коллективных научных исследований
По мере того как инструменты на основе искусственного интеллекта, такие как ChatGPT, получают все большее распространение в компаниях и университетах, все чаще звучит один и тот же рефрен: ИИ вас не заменит, но кто-то, использующий ИИ, может это сделать.
Статья, опубликованная в Nature, предполагает, что из-за этого разрыва в естественных науках уже появляются лидеры и отстающие. В крупнейшем на сегодняшний день анализе такого рода исследователи обнаружили, что ученые, использующие любой тип ИИ, начиная с ранних методов машинного обучения, неизменно добиваются наибольших профессиональных успехов.
Неожиданный эффект ИИ в науке
Те, кто использует ИИ, опубликовали в три раза больше статей, получили в пять раз больше цитирований и быстрее заняли руководящие должности, чем их коллеги, не использующие ИИ.
Но наука в целом расплачивается за это, как показывает исследование. Работа, основанная на искусственном интеллекте, не только приводит к повторению одних и тех же проблем, но и способствует снижению взаимосвязанности научной литературы, поскольку все меньше исследований опираются друг на друга.
«Я был действительно поражен масштабом и глубиной этого анализа, — говорит Иян Инь (Yian Yin), специалист по вычислительной социологии из Корнеллского университета, изучавший влияние больших языковых моделей на научные исследования. — Разнообразие инструментов ИИ и способов их использования в научных исследованиях чрезвычайно затрудняет количественную оценку этих закономерностей».
Чтобы выявить эти тенденции, исследователи проанализировали более 41 миллиона научных работ, опубликованных в период с 1980 по 2025 год в области биологии, медицины, химии, физики, материаловедения и геологии. Сначала они столкнулись с серьезной проблемой: нужно было определить, в каких работах использовался искусственный интеллект — от раннего машинного обучения до современных больших языковых моделей.
«Люди пытались решить эту задачу годами, если не десятилетиями», — говорит Инь.
Искусственный интеллект изучал свои плоды
Команда решила сама использовать ИИ. Исследователи обучили языковую модель сканировать заголовки и аннотации и отмечать статьи, в которых, скорее всего, использовались инструменты ИИ. В наборе данных было выявлено около 310 000 таких статей. Затем эксперты-люди проверили образцы результатов и подтвердили, что модель работает примерно так же точно, как человек-рецензент.
Используя эту подборку статей, исследователи смогли оценить влияние ИИ на научную экосистему:
-
В три основные эпохи развития ИИ — машинное обучение с 1980 по 2014 год, глубокое обучение с 2016 по 2022 год и генеративный ИИ с 2023 года по настоящее время — статьи, в которых использовался ИИ, цитировались почти в два раза чаще, чем те, в которых он не использовался.
-
Ученые, внедрившие ИИ, также опубликовали в 3,02 раза больше статей и получили в 4,84 раза больше цитирований за свою карьеру.
Преимущества распространялись и на карьерный рост. Изучив данные о 2 миллионах исследователей, команда обнаружила, что молодые ученые, которые использовали ИИ, реже уходили из академической среды и чаще становились признанными лидерами в области исследований, причем делали это почти на 1,5 года раньше, чем их коллеги, которые не использовали ИИ.
Ученые выигрывали, а наука нет
То, что было хорошо для отдельных людей, не было хорошо для науки. Когда исследователи проанализировали общий охват тем, затронутых в исследованиях, проведенных с помощью ИИ, они обнаружили, что статьи, написанные с помощью ИИ, охватывают на 4,6% меньше тем, чем традиционные научные исследования.
Эта кластеризация, по мнению команды, является результатом обратной связи: популярные проблемы стимулируют создание больших массивов данных, эти массивы данных делают использование инструментов ИИ привлекательным, а успехи, достигнутые с помощью инструментов ИИ, привлекают еще больше ученых к решению тех же проблем.
Эта конкуренция проявляется и в связях между статьями. Во многих областях новые идеи возникают благодаря плотным сетям статей, которые ссылаются друг на друга, совершенствуют методы и запускают новые направления исследований. Однако статьи, написанные с помощью ИИ, во всех дисциплинах естественных наук вызвали на 22% меньше откликов. Вместо этого они, как правило, вращаются вокруг небольшого числа «суперзвездных» статей, при этом менее четверти статей получают 80% цитирований.
Сужение сферы научных знаний все еще может быть обратимым. По словам Чжичэн Линь (Zhicheng Lin), психолога из Университета Йонсей, изучающего науку о естественных науках, один из способов дать отпор — создать более качественные и объемные наборы данных в областях, где искусственный интеллект еще не широко использовался.
В будущем системы искусственного интеллекта должны будут не только обрабатывать данные, но и стать автономными агентами, способными к научному творчеству, что может снова расширить горизонты наукиэ
Юн Ли
соавтор исследования, изучающий искусственный интеллект и науку о науке в Университете Цинхуа
До тех пор научное сообщество должно учитывать, как эти инструменты влияют на стимулы в целом.
Искусственный интеллект часто помогает ученым — недавно он обнаружил у львов неизвестный тип рыка.