2025年4月7日，歐盟委員會發(fā)布《科學(xué)AI：創(chuàng)造力的希望還是危險》（Artificial Intelligence in Science: Promises or Perils for Creativity?）報告，探討了AI對科學(xué)創(chuàng)造力的影響。

該報告指出，AI的迅速發(fā)展以及AI/機(jī)器學(xué)習(xí)工具的廣泛普及，引發(fā)了人們對其在科學(xué)中的作用的興奮與擔(dān)憂。AI帶來了加速科學(xué)發(fā)現(xiàn)的前所未有的能力——無論是通過更有效地處理大量數(shù)據(jù)來檢測人類研究人員可能無法發(fā)現(xiàn)的關(guān)系、趨勢或異常，還是通過支持諸如文獻(xiàn)綜述、頭腦風(fēng)暴、編寫代碼等研究任務(wù)。

然而，當(dāng)科學(xué)家將AI作為知識生產(chǎn)的合作伙伴時，它也會帶來認(rèn)知上的風(fēng)險。事實上，對AI的過度依賴引發(fā)了人們擔(dān)憂其對科學(xué)創(chuàng)造力、可信度、研究誠信以及更根本的科學(xué)理解的影響。

那么，AI到底如何影響科學(xué)創(chuàng)造力？為了回答這一問題，該報告從OpenAlex平臺上收集了2000-2022年間AI在80個領(lǐng)域使用情況的文獻(xiàn)進(jìn)行了實證分析，部分結(jié)果如下：

1.AI在科學(xué)領(lǐng)域的應(yīng)用日益廣泛

統(tǒng)計顯示，與AI相關(guān)的科研活動數(shù)量在2010-2015年期間穩(wěn)步增長，之后急劇加速。第一次飛躍可歸因于AlexNet（2012年）突破性成果引發(fā)的"深度學(xué)習(xí)革命"以及深度卷積神經(jīng)網(wǎng)絡(luò)（CNN）的普及。第二次激增則可能由Transformer架構(gòu)的出現(xiàn)和廣泛應(yīng)用推動——繼Vasani等人發(fā)表開創(chuàng)性論文《注意力機(jī)制就是全部所需》之后。

2.中國在AI研究方面領(lǐng)先于美國和歐盟

從AI論文數(shù)量來看，中國表現(xiàn)尤為突出，在2010年至2016年期間略有下降之后，AI研究產(chǎn)出飆升，超過了歐盟和美國。相比之下，歐盟和美國則保持了穩(wěn)步上升趨勢，盡管這兩個地區(qū)近年來都略有放緩。

當(dāng)篩選至少達(dá)到10次引用門檻的論文時，情況僅略有變化，除近年來外，美國一直領(lǐng)先于歐盟，而中國在2018年后的引用數(shù)量上仍超過歐盟和美國。如果以被引頻次位于前1%的論文來衡量，中國從2020年開始占據(jù)領(lǐng)先地位，美國表現(xiàn)始終優(yōu)于歐盟。

3.AI的采用與科學(xué)創(chuàng)新性呈現(xiàn)正相關(guān)

研究發(fā)現(xiàn)，AI的采用與所有創(chuàng)新性指標(biāo)均呈正相關(guān)。具體表現(xiàn)為：AI顯著提高了引入新詞匯、新短語及新詞/短語組合的可能性，這些是概念創(chuàng)新性的重要標(biāo)志；此外，AI的融合似乎使科研成果在語義層面與既往研究產(chǎn)生更大距離，從而更具創(chuàng)新性。這進(jìn)一步強(qiáng)化了這樣一種觀點，即：AI通過提供新工具、開辟新研究路徑（例如發(fā)現(xiàn)現(xiàn)有藥物或試驗藥物的新治療用途）來拓展科學(xué)研究范圍。

4.AI對科研成果的產(chǎn)出存在地區(qū)差異

研究顯示，無論是新穎性指標(biāo)還是引用閾值，AI對科研產(chǎn)出的促進(jìn)作用在中國表現(xiàn)最為顯著，而歐盟和美國則呈現(xiàn)相似趨勢。這表明中國不僅在科研產(chǎn)量上實現(xiàn)了追趕，更重要的是，政府通過大規(guī)模AI研究投入和基礎(chǔ)設(shè)施建設(shè)來加速技術(shù)進(jìn)步的戰(zhàn)略，已使中國在AI驅(qū)動的科學(xué)創(chuàng)新和影響力方面也處于全球領(lǐng)先地位。

該報告最后指出，AI已不再局限于小眾應(yīng)用——從代表A的考古學(xué)（Archaeology）到代表Z的動物學(xué)（Zoology），它正在塑造或重塑各學(xué)科領(lǐng)域的研究范式與科研工作流程。其變革性與深遠(yuǎn)影響使之成為一種強(qiáng)大的"發(fā)明方法"，有望幫助科學(xué)界擺脫近幾十年的生產(chǎn)力低迷困境。但機(jī)遇與挑戰(zhàn)并存，AI既可能加速科學(xué)發(fā)展，同樣也可能阻礙科研進(jìn)步。

需要特別強(qiáng)調(diào)的是，AI的影響力不僅取決于技術(shù)本身，更與其應(yīng)用方式和地域密切相關(guān)。研究發(fā)現(xiàn)有兩個主要結(jié)論值得關(guān)注：首先，AI在知識體系稀疏且復(fù)雜的領(lǐng)域（即概念更為碎片化、關(guān)聯(lián)性更弱的學(xué)科）產(chǎn)生的變革效應(yīng)最為顯著；其次，區(qū)域差異十分突出——近年來中國在AI驅(qū)動的研究中已取得領(lǐng)先優(yōu)勢，不僅在科研成果數(shù)量上超越歐美，更在科學(xué)創(chuàng)新性和影響力方面展現(xiàn)出更強(qiáng)實力。

這些研究發(fā)現(xiàn)一方面具有政策意義，另一方面也引發(fā)了更深層次的哲學(xué)和認(rèn)識論思考——在智能機(jī)器時代，"成為科學(xué)家"究竟意味著什么？

首先從政策層面來看，盡管確保AI研究的戰(zhàn)略優(yōu)勢是多數(shù)政府的共同優(yōu)先事項（將AI應(yīng)用于研發(fā)也隱含在旨在增強(qiáng)科研與產(chǎn)業(yè)競爭力的政策議程中），但大多數(shù)國家AI戰(zhàn)略對AI在科學(xué)中作用的明確關(guān)注仍顯不足。OECD對32個國家AI戰(zhàn)略的審查顯示，僅有極少數(shù)戰(zhàn)略包含支持科研領(lǐng)域AI應(yīng)用的具體措施。

除這一缺口外，本研究揭示的AI效益在學(xué)科間分布不均現(xiàn)象，更提出了重要的政策考量。某些學(xué)科可能尚未充分挖掘AI潛力，這要求我們采取針對性干預(yù)措施以促進(jìn)其采用和有效運用。政策支持可體現(xiàn)為：根據(jù)學(xué)科特性提供財政激勵、改善基礎(chǔ)設(shè)施、開展專項培訓(xùn)計劃等。但目前幾乎沒有系統(tǒng)證據(jù)能說明：哪些資金渠道最能有效支持現(xiàn)有AI能力的即時部署與長期核心AI研究；不同應(yīng)用領(lǐng)域（如計算能力和數(shù)據(jù)獲取）的實際基礎(chǔ)設(shè)施需求為何；以及如何設(shè)計高級培訓(xùn)計劃以最優(yōu)提升研究人員的AI素養(yǎng)與技能。

這一空白顯然呼吁未來研究從多個維度延伸和補(bǔ)充：（1）納入更新數(shù)據(jù)以捕捉最新技術(shù)發(fā)展（首先是生成式AI與大語言模型，也包括最新推理模型）；（2）擴(kuò)展至更多科學(xué)領(lǐng)域，最好能像本研究一樣采用差異化細(xì)分維度；（3）探索科研產(chǎn)出與生產(chǎn)力的替代性衡量指標(biāo)；（4）運用因果推斷方法評估AI專項資助、計算設(shè)施獲取等制度干預(yù)對科研領(lǐng)域AI應(yīng)用的影響等。

另外，AI風(fēng)險真實存在且影響重大，所以不容忽視。在AI系統(tǒng)能力和普及度飛速提升的同時，人類能否有效掌控這一快速演進(jìn)技術(shù)的憂慮也與日俱增。因此，政策制定必須保持敏捷，及時應(yīng)對新挑戰(zhàn)——既要激勵A(yù)I驅(qū)動的科學(xué)研究，又需管控相關(guān)風(fēng)險（包括復(fù)雜AI/ML模型的黑箱特性、潛在濫用與偏見等問題），在科研治理中尋求微妙平衡。

AI在科研中的廣泛應(yīng)用確實帶來了新的治理挑戰(zhàn)，特別是其對研究誠信與倫理的影響。2024年歐盟委員會發(fā)布的《科研領(lǐng)域AI負(fù)責(zé)任使用指南》確立了四項基本原則：可靠性（確保研究質(zhì)量）、誠實性（如實報告AI使用情況）、尊重性（考慮可能受影響的各方利益相關(guān)者）及問責(zé)性（對AI使用及其產(chǎn)出負(fù)責(zé)）。但具體實施仍需分領(lǐng)域制定實操指南——雖然高層原則對指明方向很有價值，其落地應(yīng)用必須結(jié)合具體科研場景。

人類科學(xué)家首次面對一種在復(fù)雜性與能力上可與人類智能比肩的機(jī)器智能。這種前所未有的互動促使我們進(jìn)行深刻反思：究竟什么讓我們區(qū)別于智能機(jī)器？誠然，機(jī)器的智能水平持續(xù)提升，但真正的創(chuàng)造性直覺思維需要允許犯錯、隨時跳出邏輯框架、在不可預(yù)測中學(xué)習(xí)的能力。這是因為人類大腦是確定性、混沌性與隨機(jī)性的復(fù)雜結(jié)合體，而當(dāng)前AI在這方面仍有本質(zhì)局限。

另一個關(guān)鍵維度是"遠(yuǎn)見"——這與單純的"觀察"截然不同。迄今為止，機(jī)器仍缺乏這種特質(zhì)：它們不會自主決定探索遙遠(yuǎn)星系（盡管在被指定任務(wù)時能出色處理天文數(shù)據(jù)）；在解決微積分和量子力學(xué)復(fù)雜問題方面，機(jī)器比大多數(shù)科學(xué)家更高效，但它們永遠(yuǎn)無法率先洞察到構(gòu)建這些理論體系的必要性。

底線是：要破解自然界的重大謎題，我們或許需要超越人類智能的其他智慧形式。因此，AI在科研中的應(yīng)用將從奢侈品轉(zhuǎn)變?yōu)楸匦杵贰５茖W(xué)的本質(zhì)不僅在于回答問題，更在于提出正確的問題——這種提出革命性問題的能力，正是人類科學(xué)家不可替代的獨特價值。

資料來源：

European Commission(2025). Artificial intelligence in science : promises or perils for creativity? https://data.europa.eu/doi/10.2777/6693925

[本文為中國教育科學(xué)研究院國際教育研究中心承擔(dān)的教育部高校國別和區(qū)域研究2024年課題研究成果]

本文由中國教育科學(xué)研究院張永軍副研究員整理，編輯劉強(qiáng)。內(nèi)容僅供參考，點擊左下角“閱讀原文”可下載該文獻(xiàn)。