近期，麻省理工學(xué)院（MIT）的一項(xiàng)研究揭示了人工智能（AI）在科研領(lǐng)域的雙刃劍效應(yīng)。該研究的主導(dǎo)者，經(jīng)濟(jì)學(xué)博士生Aidan Toner-Rodgers，經(jīng)過(guò)四年的深入探索，發(fā)現(xiàn)AI的介入雖極大地推動(dòng)了科學(xué)發(fā)現(xiàn)與創(chuàng)新的步伐，但同時(shí)也加劇了科研人員之間的能力差異。

在這項(xiàng)實(shí)驗(yàn)中，AI的助力使得專利申請(qǐng)量激增39%，產(chǎn)品創(chuàng)新數(shù)量也提升了17%。然而，這一顯著的增長(zhǎng)并未惠及所有科研人員。相反，它引發(fā)了科研界內(nèi)部的廣泛焦慮。數(shù)據(jù)顯示，只有前10%的頂尖科研人員能夠充分利用AI，其研究產(chǎn)出增加了高達(dá)81%。而團(tuán)隊(duì)中表現(xiàn)較差的三分之一成員，則幾乎沒(méi)有從AI中受益。

AI之所以表現(xiàn)出這種“偏心”，原因在于頂尖研究人員憑借深厚的專業(yè)知識(shí)和敏銳的洞察力，能夠迅速識(shí)別出AI生成的高潛力候選材料。相比之下，經(jīng)驗(yàn)較少的研究者面對(duì)AI產(chǎn)生的大量數(shù)據(jù)時(shí)，往往感到無(wú)所適從，導(dǎo)致大量時(shí)間被浪費(fèi)在無(wú)效的摸索上。

這種差距不僅源于學(xué)識(shí)的深淺，更在于評(píng)估AI建議的能力。這一無(wú)形的新門(mén)檻，使得科研領(lǐng)域的“馬太效應(yīng)”愈發(fā)顯著。AI工具讓強(qiáng)者變得更強(qiáng)，弱者則更加邊緣化。

AI的加入雖然帶來(lái)了科研效率的“量變”，但并未給科研工作者的工作體驗(yàn)帶來(lái)“質(zhì)”的變革。實(shí)驗(yàn)中，AI顯著縮短了創(chuàng)意生成的時(shí)間，從原來(lái)的39%減少到16%，但判斷任務(wù)的時(shí)間卻幾乎翻了一番，達(dá)到40%。科研人員在材料評(píng)估上的時(shí)間更是增加了74%。這導(dǎo)致高達(dá)82%的科研人員工作滿意度大幅下降，他們認(rèn)為AI工具加重了評(píng)估負(fù)擔(dān)，而沒(méi)有使工作變得更輕松。

在這些不滿的聲音中，73%的人覺(jué)得AI沒(méi)有充分利用他們的技能，53%的人則認(rèn)為工作變得越來(lái)越機(jī)械化、缺乏創(chuàng)造性。部分科研人員甚至悲哀地感到，自己多年的科研訓(xùn)練在AI的協(xié)助下變得無(wú)用武之地。

值得注意的是，這項(xiàng)研究的發(fā)起者Aidan并非AI研究者，而是一名經(jīng)濟(jì)學(xué)學(xué)生。經(jīng)濟(jì)學(xué)與人工智能在研究上存在諸多交叉，尤其是在分析經(jīng)濟(jì)增長(zhǎng)、收入分配、市場(chǎng)競(jìng)爭(zhēng)、創(chuàng)新問(wèn)題和就業(yè)問(wèn)題時(shí)，都無(wú)法回避人工智能的影響。

實(shí)驗(yàn)依托一家大型公司的研發(fā)實(shí)驗(yàn)室進(jìn)行，為期四年，旨在測(cè)試AI在新材料發(fā)現(xiàn)上的實(shí)際作用。通過(guò)隨機(jī)分配，1018名研究人員被分成三組，逐步接觸基于AI的新材料發(fā)現(xiàn)技術(shù)。研究團(tuán)隊(duì)的工作流程包括生成候選化合物、初步評(píng)估、測(cè)試最有潛力的化合物，以及申請(qǐng)專利和推動(dòng)產(chǎn)品創(chuàng)新。

實(shí)驗(yàn)結(jié)果顯示，AI提高了13-15%的研發(fā)效率，輔助研究人員發(fā)現(xiàn)了44%以上的新材料，導(dǎo)致專利申請(qǐng)?jiān)黾?9%，產(chǎn)品原型創(chuàng)新增加17%。然而，AI并未顯著減少科研工作量，反而改變了任務(wù)結(jié)構(gòu)，使得判斷任務(wù)占比激增。

AI的廣泛應(yīng)用還引發(fā)了科研界的焦慮。原本以為AI會(huì)讓所有科研人員受益，但事實(shí)卻并非如此。AI帶來(lái)的優(yōu)勢(shì)加劇了科研領(lǐng)域的“貧富差距”，使得強(qiáng)者更強(qiáng)，弱者更弱。頂尖研究人員憑借更強(qiáng)的判斷力，能夠更快地篩選出優(yōu)質(zhì)材料，而缺乏判斷力的研究人員則難以有效篩選AI生成的候選材料。

隨著AI逐步接手創(chuàng)意生成等基礎(chǔ)性工作，部分科研人員感到他們的技能正被邊緣化。為了適應(yīng)新的AI科研模式，研究人員不僅需要傳統(tǒng)的學(xué)科知識(shí)，還需要跨學(xué)科的技能。實(shí)驗(yàn)室也重新調(diào)整了人員結(jié)構(gòu)，解雇了部分判斷能力較弱的研究人員，并通過(guò)增加招聘來(lái)彌補(bǔ)這一偏差。

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。這種“去人類化”的趨勢(shì)令研究人員面臨前所未有的職業(yè)焦慮，擔(dān)心他們的技能無(wú)法適應(yīng)AI的“改造”。未來(lái)，研究人員與AI之間的關(guān)系應(yīng)為共生關(guān)系，而非替代關(guān)系。AI可以專注于基礎(chǔ)性預(yù)測(cè)與篩選任務(wù)，而研究人員則保留在“終端評(píng)估”的角色，以確保科研成果的創(chuàng)造性和實(shí)用性。