AI が科学研究の個人生産性を高める一方、全体の探究範囲を狭める

大規模な学術論文分析により、AI ツールを使用する研究者は論文数と被引用数が増加する一方で、科学全体としての知的多様性が縮小していることが判明した。

James Evans（シカゴ大学）と同僚らが 41.3 million の英語論文を分析した結果、1980 年から 2025 年に発表された生物学、化学、物理学、医学、材料科学、地質学の論文のうち 311,000 本が AI を活用していた。AI を使用する研究者は平均して 3 倍の論文を発表し、約 5 倍の被引用数を獲得し、AI を使用しない同僚より 1～2 年早くチームリーダーになっていた。しかし研究結果は Nature に 2026 年 1 月 14 日に掲載された。

個人の成功と科学全体のジレンマ

AI 採用による個人的な生産性向上が、科学全体の多様性縮小をもたらしている。AI 活用研究はデータが豊富で既に人気のある問題に集中し、より狭い知的足跡を占め、研究間の後続的な関与が弱くなることが判明した。James Evans は「個人的なインセンティブと科学全体との間に矛盾がある」と述べた。

Northwestern University の Luís Nunes Amaral は「研究者が発表する論文の数に夢中になるあまり、私たちが何を研究しているのか、そしてそれが現実、健康、自然界のより良い理解にどのような形で貢献しているのかを考えていない」と指摘した。

AI の設計と報酬構造の課題

AI ツールは既存データが豊富な問題の最適化に優れており、タンパク質構造予測や画像分類などの明確に定義された問題では高い成果を上げている。However、自動化ツールにより論文を大量生産しやすくなり、低品質および詐欺的な論文の急増につながっている。

Carnegie Mellon University の Catherine Shea は「学術環境では論文が成功の主要通貨であるため、研究者は自然とこうしたツールが処理しやすく、発表可能な結果に変えられる問題に向かっていく。時間とともに自己強化ループになる」と述べた。同氏は「AI が科学でどのように 2 次的・3 次的影響を与えるのかは本当に恐ろしい論文だ」と述べた。

科学の本質的な価値への問い直し

Evans は「それはアーキテクチャの問題ではなく、インセンティブの問題だ」と指摘し、「ある意味、科学に対する AI の本当の価値提案——すなわち、これまで私たちが実施していなかったことを実現させるというもの——に根本的に投資していない」と述べた。

Shanghai Artificial Intelligence Laboratory の Bowen Zhou は「AI for Science システムは科学的発見の拡大を支援する」とコメントしている。論文は AI 開発の初期段階から深層学習の隆盛、現在の生成 AI 波まで数十年にわたるパターンが確認されたとしている。

この記事は元記事の事実のみに基づいて自動生成されました。

筆者の見立て

• 個々の学者が学界で上昇する一方で、科学全体としては好奇心を縮小させている、と論じている
• 科学の危険は遅くなることではなく、より均質化することであると解釈している
• 個々の研究室は先に進む一方で、科学全体の事業は同じ問題、方法、答えに収束するリスクがある、と予想している
• 狭窄化は一時的なものである可能性があるかと示唆している
• 最も重要なのは、科学者が最初に何に取り組むかを決定する報酬構造を根本的に見直すことであると解釈している

出典

IEEE Spectrum「AI in Science Research Boosts Speed, Limits Scope」 https://spectrum.ieee.org/ai-science-research-flattens-discovery