Nature 评论：AI 能拓展科学研究边界，但学术评价机制亟需改革

《Nature》（2026-09-29）刊发多国学者联合评论指出，尽管 AI 工具提高了科研人员个体的产出效率，但当前的学术评价体系却在促使科学探索的主题范围走向收窄，亟需制度层面的激励改革。

• 引用文献计量分析显示，使用 AI 工具的学者发表论文数量约为同行的 3 倍、被引次数接近 5 倍，但 AI 辅助研究在超过 70% 的细分学科中，探索主题范围相比非 AI 研究收窄了 4.6%。
• 过去两年中 AI 模型推理预测成本降低了约 100 倍，导致科研人员倾向于低成本挖掘 GNoME 或 AlphaFold 等既有公共数据集，而建设长期队列或生态监测等上游新型数据基础设施的成本依然高昂且回报周期长。
• 现行学术招聘与资助评审过度奖励短期可量化成果，并对跨学科转向设置了隐性门槛，加剧了科研选题在成熟领域的重复聚集。
• 作者建议资助机构专项补贴被忽视领域的数据基础设施建设，并改革考核机制以停止惩罚跨领域探索。
• 影响/看点：这一观点表明若不改变以量化指标为主导的考核机制，AI 的普及可能进一步加剧科学研究在成熟数据领域的同质化聚集，唯有资助政策向上游基础数据倾斜才能真正释放 AI 拓展科学边界的潜力。
• 资料依据：
• Nature（2026-09-29）：https://www.nature.com/articles/d41586-026-02961-z

本内容由 AI 生成，仅供参考，请注意甄别