近期，麻省理工學院（MIT）的一項研究揭示了人工智能（AI）在科研領域的雙刃劍效應。該研究的主導者，經濟學博士生Aidan Toner-Rodgers，經過四年的深入探索，發現AI的介入雖極大地推動了科學發現與創新的步伐，但同時也加劇了科研人員之間的能力差異。

在這項實驗中，AI的助力使得專利申請量激增39%，產品創新數量也提升了17%。然而，這一顯著的增長并未惠及所有科研人員。相反，它引發了科研界內部的廣泛焦慮。數據顯示，只有前10%的頂尖科研人員能夠充分利用AI，其研究產出增加了高達81%。而團隊中表現較差的三分之一成員，則幾乎沒有從AI中受益。

AI之所以表現出這種“偏心”，原因在于頂尖研究人員憑借深厚的專業知識和敏銳的洞察力，能夠迅速識別出AI生成的高潛力候選材料。相比之下，經驗較少的研究者面對AI產生的大量數據時，往往感到無所適從，導致大量時間被浪費在無效的摸索上。

這種差距不僅源于學識的深淺，更在于評估AI建議的能力。這一無形的新門檻，使得科研領域的“馬太效應”愈發顯著。AI工具讓強者變得更強，弱者則更加邊緣化。

AI的加入雖然帶來了科研效率的“量變”，但并未給科研工作者的工作體驗帶來“質”的變革。實驗中，AI顯著縮短了創意生成的時間，從原來的39%減少到16%，但判斷任務的時間卻幾乎翻了一番，達到40%。科研人員在材料評估上的時間更是增加了74%。這導致高達82%的科研人員工作滿意度大幅下降，他們認為AI工具加重了評估負擔，而沒有使工作變得更輕松。

在這些不滿的聲音中，73%的人覺得AI沒有充分利用他們的技能，53%的人則認為工作變得越來越機械化、缺乏創造性。部分科研人員甚至悲哀地感到，自己多年的科研訓練在AI的協助下變得無用武之地。

值得注意的是，這項研究的發起者Aidan并非AI研究者，而是一名經濟學學生。經濟學與人工智能在研究上存在諸多交叉，尤其是在分析經濟增長、收入分配、市場競爭、創新問題和就業問題時，都無法回避人工智能的影響。

實驗依托一家大型公司的研發實驗室進行，為期四年，旨在測試AI在新材料發現上的實際作用。通過隨機分配，1018名研究人員被分成三組，逐步接觸基于AI的新材料發現技術。研究團隊的工作流程包括生成候選化合物、初步評估、測試最有潛力的化合物，以及申請專利和推動產品創新。

實驗結果顯示，AI提高了13-15%的研發效率，輔助研究人員發現了44%以上的新材料，導致專利申請增加39%，產品原型創新增加17%。然而，AI并未顯著減少科研工作量，反而改變了任務結構，使得判斷任務占比激增。

AI的廣泛應用還引發了科研界的焦慮。原本以為AI會讓所有科研人員受益，但事實卻并非如此。AI帶來的優勢加劇了科研領域的“貧富差距”，使得強者更強，弱者更弱。頂尖研究人員憑借更強的判斷力，能夠更快地篩選出優質材料，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逐步接手創意生成等基礎性工作，部分科研人員感到他們的技能正被邊緣化。為了適應新的AI科研模式，研究人員不僅需要傳統的學科知識，還需要跨學科的技能。實驗室也重新調整了人員結構，解雇了部分判斷能力較弱的研究人員，并通過增加招聘來彌補這一偏差。

AI雖然能顯著加速科研進程，但這種進步往往伴隨著部分科研崗位的消失。這種“去人類化”的趨勢令研究人員面臨前所未有的職業焦慮，擔心他們的技能無法適應AI的“改造”。未來，研究人員與AI之間的關系應為共生關系，而非替代關系。AI可以專注于基礎性預測與篩選任務，而研究人員則保留在“終端評估”的角色，以確保科研成果的創造性和實用性。