科研中的人工智能：它是否在悄然削弱科学家的专业技能？

6月24日

欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science 以及商学与社会科学领域的顶级期刊。

技能退化之问：人工智能是否正在侵蚀它本应增强的能力？

两年来，关于科研领域中人工智能的主流叙事始终聚焦于加速：论文产出更多、分析速度更快、准入门槛更低。本周 Nature 转换视角，探讨我们可能正在失去什么。在一篇题为《AI 正在毁掉我们的技能吗？早期研究结果出炉，情况不容乐观》（"Is AI ruining our skills? Early results are in: and they're not good"）的专题报道中，该杂志系统梳理了最新证据，指出过度依赖 AI 助手可能会侵蚀那些工具本应支持的核心能力，包括批判性阅读、复杂问题解决以及严谨写作。人们担忧的核心在于，将认知工作全盘外包会逐步削弱人类自身的判断力，导致研究者丧失及时发现并纠正错误的能力。

这种个体层面的担忧在学术群体层面同样存在映射。在《AI 会引发科学复兴还是走向同质化单一种植？》（"Will AI spark a scientific renaissance: or a diffuse monoculture?"）一文中，Nature 权衡了广泛采用 AI 究竟会拓展科学发现的边界，还是会悄然将整个领域导向那些高度拥挤、回报可见的相同议题。这种趋同现象在表面上看似提升了生产力，实则压缩了智识的多样性。这两重焦虑相互强化：如果研究人员依赖相同的模型来决定研究主题与研究路径，个体技能与群体多元性便会同时遭受侵蚀。值得注意的是，部分学科已经开始行动。Nature 报道称数学家们正在为 AI 的使用制定明确规则，并呼吁其他学科积极跟进，而不是被动等待规范偶然形成。

**为何重要：** 这绝非反对使用 AI 的论调，毕竟生产力的提升客观存在，对绝大多数研究人员而言也已不可回避。相反，这一观点强调的是应当审慎、有目的地使用它。研究者应将 AI 作为辅助杠杆，用于那些自己已有充分理解并足以进行独立审查的任务；坚持完成构建与维系专业水准所必需的高难度认知工作；并在实验室或学科层面，保护那些模型永远不会主动推荐的冷门与非主流问题。未来能够脱颖而出的学者，必将是那些善于借助 AI 放大自身判断力而非让其取代判断力的人。

本周更多动态

能在电子病历系统内部采取行动的自主医疗 AI 智能体

研究人员推出了 MIRA（推理与行动医疗智能系统），这是一款在沙盒化电子病历（EHR）环境中运行的自主 AI 智能体，具备受管制的患者数据访问权限，并能在明确的安全约束下发起获批的病历操作。它不再局限于在对话框中回答问题，而是旨在协助管理患者病例，这是迈向深入临床工作流的“医生副驾驶”的切实一步。作者将其定位为一项基准测试，旨在验证此类系统能否在严守安全防线的同时达到医生水准的临床表现。

[阅读 Nature 原文（6月17日）→](https://www.nature.com)

AI 生成的具体化表征如何塑造人类创造力

这篇发表于 Information Systems Research 的研究探讨了人机协同构思中的“代理配置”（agency configurations），即创意工作在人与模型之间的精细分工模式。研究测试了 AI 生成输入的不同表征形式（具体为创意的文本具体化与视觉具体化）如何影响最终构思的创造力，以及人类构思者为完善方案所付出的认知努力。研究发现 AI 辅助的形式本身（而非仅仅是否使用 AI）决定了最终成效，这一结论对所有设计创新与头脑风暴 AI 工具的团队具有直接指导意义。

[阅读 Information Systems Research 原文（6月19日）→](https://pubsonline.informs.org/journal/isre)

利用词嵌入量化创意的独特性与协同性

一个好的创意不仅仅是其词汇或构成要素的简单总和，其原创性很大程度上取决于各元素之间的组合方式。发表于 Journal of Marketing 的这篇论文运用表征学习方法（词嵌入）来量化创意各组成部分之间的内在连贯性，并将该连贯性与创意的受青睐程度及市场成功率相联系。研究以包含 5.7 万余份在线食谱的大规模数据集为试验平台，为营销人员和学者提供了一种可扩展的数据驱动方法，用以量化此前高度依赖人类主观评判的创造力。

[阅读 Journal of Marketing 原文（6月16日）→](https://journals.sagepub.com/home/jmx)

提高 AI 评估的透明度真的有帮助吗？

随着各类组织将 AI 引入传统上由人类主导的评估流程（如员工招聘与绩效考评），算法的内在复杂性往往带来不透明性，从而限制用户的理解，甚至引发心理压力与行为异化。业界普遍将提升透明度视为解决方案。发表于 Information Systems Research 的这项研究考察了算法评估环境下的用户行为及下游效应，发现透明度带来的益处并非自然发生，这为所有正在推进 AI 辅助评估体系的组织敲响了警钟。

[阅读 Information Systems Research 原文（6月15日）→](https://pubsonline.informs.org/journal/isre)

“AI 脊梁”：规模化释放生成式 AI 价值的组织架构设计

MIT Sloan Management Review 深入剖析了一种被部分前沿企业称为“AI 脊梁”（AI spine）的新型内部组织架构。这是一种跨职能结构，能够在用户的深度参与下快速开发生成式 AI 应用场景。它促进了业务单元之间的创意与经验共享，激发了在全组织范围内运用生成式 AI 优化流程的设想，同时依托严谨的项目治理机制，确保资源精准聚焦于最能产生正向影响的领域。这为那些正努力突破试点瓶颈的科研与创新相关组织提供了高度实用的模板。

[阅读 MIT Sloan Management Review 原文（6月2日）→](https://sloanreview.mit.edu)

以上就是本周的全部内容。欢迎将本文转发给正在思考 AI 究竟是在磨砺还是钝化自身专业技能的同行，也欢迎访问 gaiforresearch.com 探索适用于您自身研究的 AI 工具。

AI 科研动态速览