Наука расплачивается за использование искусственного интеллекта: как он повлиял на гениальные умы?

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.