清华新研究，Nature+Science双杀

就在刚刚，清华大学的一项AI for Science研究不仅登上Nature，而且还被Science深度报道了。 这项来自清华大学李勇团队的研究通过分析全球2.5亿篇科学文献，揭示了AI for Science领域存在的一个典型矛盾—— 第一步：寻觅AI for Science的演化踪迹 回到起点，团队之所以进行这项研究，主要是发现AI for Science领域存在一个明显矛盾—— 在AI持续赋能科研的背景下，为何各学科的整体科学进展未见明显加速？ 一方面，AI for Science研究已经产生了AlphaFold这样的荣获诺贝尔奖的成果；但另一方面，统计表明各学科领域的颠覆性研究成果在逐年下降，似乎未 能获得AI助力。 AI在助力科学家"个体加速"的同时，却导致科学界的集体注意力窄化和趋同优化的"群体登山"现象。 就是说，虽然AI帮助科学家发表了更多论文、更早成为项目负责人，但却导致人们集体涌入少量适合AI研究的"热门山峰"，从而无形中削弱了科学探索的 广度。 而且进一步分析表明，这一矛盾绝非偶然，而是由当前科学智能AI模型缺乏通用性导致的系统性影响。 下面详细来看这到底是一项怎样的研究。 这背后的原因 ...