Scientific exploration, collaboration and labor division in the large language model era
这项研究揭示，自2022年以来大语言模型的广泛采用，伴随着科学实践的显著重组，其特征表现为跨学科探索的增加、团队内部更具流动性且差异化的分工，以及在受人工智能赋能的科学家群体中，研究多样性与合作者多样性之间的脱钩。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，科学研究的世界就像一座巨大的、繁忙的图书馆，成千上万的探险家正试图绘制未知领域的地图。长期以来，这些探险家（科学家）通常只停留在他们各自特定的书架区域。植物学家留在植物区，而物理学家则留在物理区。他们建立的团队成员都了解相同的知识，而且每个人都有非常明确且固定的职责：一个人提出宏大的构想，另一个人负责数学计算，第三个人负责撰写报告。但最近，一种新型的超级工具到来了：大语言模型（LLMs）。把它们想象成极其聪明、即时的翻译官和研究助手，它们能在几秒钟内阅读数百万本书籍，编写代码，并用通俗易懂的语言解释复杂的专业术语。核心问题不仅在于这些工具是否能帮助科学家更快地撰写论文，更在于这些工具是否正在改变科学家探索的方式、他们组建团队的对象，以及他们分配工作的方式。如果一名科学家现在可以瞬间理解一个从未研究过的领域，他们是否会开始游走于新的书架区域？他们是否需要不同类型的伙伴？团队是否还需要一个严格的领导和一个严格的执行者，还是每个人都开始做一些全能的工作？
本研究通过对超过77.5万名科学家和超过13.7万篇研究论文进行大规模观察，旨在探讨自2022年末这些AI工具广泛普及以来发生了什么。研究人员发现，科学界正在经历一场重大的改造。2022年之后，科学家们开始向远离其原本领地的领域进发。他们不再仅仅阅读自己书架里的书，而是跳入了完全不同的区域。例如，一位通常研究生物学的研究人员开始发表涉及工程学和计算机科学的论文。这种“探索”在那些职业生涯已经非常资深的科学家以及来自非英语母语国家的科学家中表现得尤为强烈。就好像AI工具为他们提供了一把通用的钥匙，打开了那些曾被语言障碍或学习新领域词汇难度所锁闭的大门。
该研究还观察了科学家是如何进行协作的。以前，团队通常由具有相同背景的人组成。现在，团队正变得更加像是一个“熔炉”。科学家们正在与来自更多元化领域的学者进行合作。然而，这里有一个转折：那些使用这些AI工具最多的科学家似乎能够独立完成一些跨领域的工作，而不需要来自另一个领域的专家来手把手地指导。这表明，AI正扮演着个人桥梁的角色，让单个科学家能够跨越那条曾经需要一整队划手才能渡过的河流。
最后，论文研究了团队内部是如何分工的。过去，一个团队可能有一个构思者来构思想法，以及一个管理者来统筹全局，两者之间的重叠很少。现在，角色变得更加灵活且专业化。研究发现，个人承担的角色正在变得更少、更明确。团队的任务分配不再是每个人都尝试做一点点所有事情，而是任务划分得更加清晰。例如，“软件”和“验证”（检查工作）类角色的比例大幅增加，而每人承担“构思”和“管理”角色的情况则变得不再那么普遍。这就像一支乐队，以前鼓手可能既唱歌又弹吉他，但现在鼓手只打鼓，歌手只唱歌，而他们依靠AI来协助写词和调音。
作者谨慎地指出，他们并没有证明是AI直接导致了所有这些变化，但时间点和模式强烈暗示这些变化正在同步发生。他们发现，那些本身就更具冒险精神和跨学科倾向的科学家是最早采用这些工具的人，而这些工具似乎让他们变得更加如此。这是一个“选择加强化”的故事：探险家得到了更好的工具，而工具帮助他们探索得更远。虽然这种科学重组看起来令人兴奋，并暗示我们可能会更快地解决问题，但论文警告说，这并不自动意味着科学质量变得更好。仅仅因为一个团队规模更小、更多元化且使用了AI，并不保证结果是完美的；人类仍然需要复核工作，以确保AI没有捏造事实。最终，大语言模型的时代似乎正在重塑科学开展的基本结构，将僵化的团队转变为灵活的、模块化的探险小组，他们比以往任何时候都更愿意跨越边界。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。