芝加哥大学社会学家詹姆斯·埃文斯团队于2026年1月14日在《Nature》发表了一项研究，揭示了人工智能在科学界的双重影响。该团队分析了4130万篇研究论文，评估了人工智能工具对科学发现的影响。
结果显示，AI显著提升了科学家个人的研究能力，但也意外地缩小了科学探索的集体边界。使用AI的科学家在论文数量和引用次数上远超未使用AI的同行，前者发表的论文数量是后者的3.02倍，引用次数更是高达4.85倍。此外，AI还加速了职业晋升，使这些科学家平均提前1.4年成为各自领域的领军人物。
然而，这种个人层面的优势并未转化为科学界的多样化发展。随着AI的普及，科学研究的整体议题数量反而减少了4.63%，科学家之间的学术互动也下降了22%。埃文斯将这种现象称为“孤独的人群”：热门话题吸引了大量关注，但引用同一作品的论文之间缺乏实质性互动。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，而非通过协作开辟新的未知领域。
造成这一现象的原因在于AI的“数据趋光性”。科学家们大规模向拥有丰富数据的领域迁移，因为这些领域中AI工具能基于易于评估的基准快速产出成果。这导致了“方法论单一化”，科学界面临过早收敛于既定范式的风险。许多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受到前所未有的侵蚀。
