Mokslininkai, naudojantys dirbtinio intelekto įrankius, skelbia triskart daugiau straipsnių, tačiau jų tyrimai apima 4,6 procento siauresnį temų spektrą. Žurnale Nature paskelbta analizė rodo, kad pigūs skaitmeniniai įrankiai skatina akademinę vienodovę ir slopina neįprastų idėjų paiešką.
Greiti rezultatai ir siaurėjantis žvilgsnis
Mančesterio universiteto mokslininkas Guowei Huang kartu su kolegomis iš Kinijos, Kanados ir Pietų Korėjos išanalizavo tyrėjų elgseną dešimtyse mokslo šakų. Duomenys atskleidžia ryškų atotrūkį: dirbtinio intelekto (DI) įrankius pasitelkiantys akademikai ne tik triskart dažniau publikuoja savo darbus, bet ir sulaukia penkis kartus daugiau citavimų. Tačiau ši sparta turi šalutinį poveikį. Daugiau nei 70 procentų tirtų mokslo porūšių užfiksuotas tas pats reiškinys – tyrimų nagrinėjamos temos tampa vis labiau vienodos ir susispaudžia apie jau žinomus objektus.
Signalas aiškus. Mažėjančios algoritminio modeliavimo sąnaudos leidžia sparčiai eksploatuoti esamus duomenis, bet neatveria naujų mokslo krypčių.
Šimteriopai atpigusios prognozės ir infrastruktūros spąstai
Per pastaruosius dvejus metus DI modelių prognozių kaina krito maždaug 100 kartų. Tai įgalino įspūdingo masto atradimus: algoritmas „AlphaFold“ sugeneravo 214 milijonų galimų baltymų struktūrų, o įrankis „GNoME“ identifikavo 381 tūkstantį potencialių stabilių neorganinių kristalų.
Tačiau toks skaitmeninis šuolis išryškina gilėjantį disbalansą. Kai algoritminis duomenų apdorojimas tampa itin pigus, o ilgalaikių tyrimų infrastruktūros išlaikymas išlieka brangus, mokslas rizikuoja pasinerti į paviršutinišką vienodovę. Kadangi akademinės karjeros struktūros teikia pirmenybę kiekybei, tyrėjai skatinami taikyti algoritmus jau turimiems rinkiniams, užuot kūrę naujas stebėjimo programas ar ilgalaikius kohortinius tyrimus.
Rizikos baimė vertinimo sistemose
Mokslinių tyrimų krypčių siaurėjimas fiksuojamas jau kelis dešimtmečius, tačiau algoritmai šį procesą dar labiau paspartino. Universitetų atrankos komisijos ir finansavimo agentūros neretai baudžia mokslininkus, mėginančius perimti visiškai naujas tyrimų sritis, nes atsisakymas sekti įprastais maršrutais sumažina trumpalaikį produktyvumą. Kaip žurnale Nature pabrėžia straipsnio autoriai, finansuotojai, žurnalai ir universitetai privalo atlyginti už naujų mokslinių teritorijų kūrimą, o ne tik už efektyvų senos žemės eksploatavimą. Nors analizė tiksliai neatskleidžia visų metodinių ribų, tyrėjai pripažįsta, kad teminio spektro susiaurėjimas skirtingose srityse pasireiškia nevienodu intensyvumu.
Mokslo bendruomenės ateitis priklausys nuo to, ar vertinimo struktūros sugebės subsidijuoti apleistas duomenų rinkimo programas bei atsisakyti orientacijos vien į lengvai pamatuojamus rodiklius. Per artimiausius metus priimti mokslo politikos sprendimai parodys, ar dirbtinis intelektas taps įrankiu nepažintiems horizontams atverti, ar tik mechanizmu žinomoms tiesoms kartoti.
Šaltiniai
- [1] [Nature.com | 2026-09-29] AI can widen science — but only if institutions stop rewarding the...
- [2] [Science.org | 2026-09-29] science.org/doi/10.1126/science.add9330
- [3] [Science.org | 2026-09-29] Russian drone kills at least two in Ukraine science academy attack