Pembaca Slashdot kuno, Erice, berbagi temuan dari penelitian terbaru yang menunjukkan bahwa meskipun AI membantu para peneliti mempublikasikan lebih sering dan meningkatkan karier mereka, makalah yang dihasilkan, rata-rata, kurang bermanfaat. “Ada konflik antara insentif individu dan sains secara keseluruhan,” kata James Evans, sosiolog di Universitas Chicago yang memimpin penelitian ini. Dari artikel IEEE Spectrum baru-baru ini: Untuk mengukur efeknya, Evans dan kolaborator dari Pusat Penelitian Sains dan Teknologi Informasi Nasional Beijing melatih model pemrosesan bahasa alami untuk mengidentifikasi penelitian yang ditambah dengan AI di enam disiplin ilmu alam. Kumpulan data mereka mencakup 41,3 juta makalah berbahasa Inggris yang diterbitkan antara tahun 1980 dan 2025 di bidang biologi, kimia, fisika, kedokteran, ilmu material, dan geologi. Mereka mengecualikan bidang-bidang seperti ilmu komputer dan matematika yang fokus pada pengembangan metode AI itu sendiri. Para peneliti menelusuri karier masing-masing ilmuwan, memeriksa bagaimana makalah mereka mengumpulkan perhatian, dan memperkecil untuk mempertimbangkan bagaimana seluruh bidang ilmu pengetahuan mengelompok atau tersebar secara intelektual dari waktu ke waktu. Mereka membandingkan sekitar 311.000 makalah yang menggabungkan AI dalam beberapa cara — melalui penggunaan jaringan saraf atau model bahasa besar, misalnya — dengan jutaan makalah lain yang tidak. Hasilnya menunjukkan trade-off yang mencolok. Ilmuwan yang mengadopsi AI memperoleh produktivitas dan visibilitas: Rata-rata, mereka menerbitkan makalah tiga kali lebih banyak, menerima kutipan hampir lima kali lebih banyak, dan menjadi pemimpin tim satu atau dua tahun lebih awal dibandingkan mereka yang tidak. Namun ketika makalah-makalah tersebut dipetakan dalam “ruang pengetahuan” berdimensi tinggi, penelitian yang sarat dengan AI akan mengambil jejak intelektual yang lebih kecil, mengelompokkan secara lebih erat permasalahan-permasalahan populer yang kaya akan data, dan menghasilkan jaringan interaksi lanjutan yang lebih lemah di antara penelitian-penelitian tersebut. Pola ini terjadi selama beberapa dekade pengembangan AI, yang mencakup pembelajaran mesin awal, kebangkitan pembelajaran mendalam, dan gelombang AI generatif saat ini. “Bahkan,” kata Evans, “hal ini semakin intensif.” […] Selain distorsi penerbitan baru-baru ini, analisis Evans menunjukkan bahwa AI sebagian besar mengotomatiskan bagian-bagian sains yang paling mudah diatur daripada memperluas batas-batasnya.
Baca lebih lanjut cerita ini di Slashdot.
