歐盟報告：AI對科學創造力的影響幾何？

2025年4月7日，歐盟委員會發布《科學AI：創造力的希望還是危險》（Artificial Intelligence in Science: Promises or Perils for Creativity?）報告，探討了AI對科學創造力的影響。

該報告指出，AI的迅速發展以及AI/機器學習工具的廣泛普及，引發了人們對其在科學中的作用的興奮與擔憂。AI帶來了加速科學發現的前所未有的能力——無論是通過更有效地處理大量數據來檢測人類研究人員可能無法發現的關系、趨勢或異常，還是通過支持諸如文獻綜述、頭腦風暴、編寫代碼等研究任務。

然而，當科學家將AI作為知識生產的合作伙伴時，它也會帶來認知上的風險。事實上，對AI的過度依賴引發了人們擔憂其對科學創造力、可信度、研究誠信以及更根本的科學理解的影響。

那么，AI到底如何影響科學創造力？為了回答這一問題，該報告從OpenAlex平臺上收集了2000-2022年間AI在80個領域使用情況的文獻進行了實證分析，部分結果如下：

1.AI在科學領域的應用日益廣泛

統計顯示，與AI相關的科研活動數量在2010-2015年期間穩步增長，之后急劇加速。第一次飛躍可歸因于AlexNet（2012年）突破性成果引發的"深度學習革命"以及深度卷積神經網絡（CNN）的普及。第二次激增則可能由Transformer架構的出現和廣泛應用推動——繼Vasani等人發表開創性論文《注意力機制就是全部所需》之后。

2.中國在AI研究方面領先于美國和歐盟

從AI論文數量來看，中國表現尤為突出，在2010年至2016年期間略有下降之后，AI研究產出飆升，超過了歐盟和美國。相比之下，歐盟和美國則保持了穩步上升趨勢，盡管這兩個地區近年來都略有放緩。

當篩選至少達到10次引用門檻的論文時，情況僅略有變化，除近年來外，美國一直領先于歐盟，而中國在2018年后的引用數量上仍超過歐盟和美國。如果以被引頻次位于前1%的論文來衡量，中國從2020年開始占據領先地位，美國表現始終優于歐盟。

3.AI的采用與科學創新性呈現正相關

研究發現，AI的采用與所有創新性指標均呈正相關。具體表現為：AI顯著提高了引入新詞匯、新短語及新詞/短語組合的可能性，這些是概念創新性的重要標志；此外，AI的融合似乎使科研成果在語義層面與既往研究產生更大距離，從而更具創新性。這進一步強化了這樣一種觀點，即：AI通過提供新工具、開辟新研究路徑（例如發現現有藥物或試驗藥物的新治療用途）來拓展科學研究范圍。

4.AI對科研成果的產出存在地區差異

研究顯示，無論是新穎性指標還是引用閾值，AI對科研產出的促進作用在中國表現最為顯著，而歐盟和美國則呈現相似趨勢。這表明中國不僅在科研產量上實現了追趕，更重要的是，政府通過大規模AI研究投入和基礎設施建設來加速技術進步的戰略，已使中國在AI驅動的科學創新和影響力方面也處于全球領先地位。

該報告最后指出，AI已不再局限于小眾應用——從代表A的考古學（Archaeology）到代表Z的動物學（Zoology），它正在塑造或重塑各學科領域的研究范式與科研工作流程。其變革性與深遠影響使之成為一種強大的"發明方法"，有望幫助科學界擺脫近幾十年的生產力低迷困境。但機遇與挑戰并存，AI既可能加速科學發展，同樣也可能阻礙科研進步。

需要特別強調的是，AI的影響力不僅取決于技術本身，更與其應用方式和地域密切相關。研究發現有兩個主要結論值得關注：首先，AI在知識體系稀疏且復雜的領域（即概念更為碎片化、關聯性更弱的學科）產生的變革效應最為顯著；其次，區域差異十分突出——近年來中國在AI驅動的研究中已取得領先優勢，不僅在科研成果數量上超越歐美，更在科學創新性和影響力方面展現出更強實力。

這些研究發現一方面具有政策意義，另一方面也引發了更深層次的哲學和認識論思考——在智能機器時代，"成為科學家"究竟意味著什么？

首先從政策層面來看，盡管確保AI研究的戰略優勢是多數政府的共同優先事項（將AI應用于研發也隱含在旨在增強科研與產業競爭力的政策議程中），但大多數國家AI戰略對AI在科學中作用的明確關注仍顯不足。OECD對32個國家AI戰略的審查顯示，僅有極少數戰略包含支持科研領域AI應用的具體措施。

除這一缺口外，本研究揭示的AI效益在學科間分布不均現象，更提出了重要的政策考量。某些學科可能尚未充分挖掘AI潛力，這要求我們采取針對性干預措施以促進其采用和有效運用。政策支持可體現為：根據學科特性提供財政激勵、改善基礎設施、開展專項培訓計劃等。但目前幾乎沒有系統證據能說明：哪些資金渠道最能有效支持現有AI能力的即時部署與長期核心AI研究；不同應用領域（如計算能力和數據獲取）的實際基礎設施需求為何；以及如何設計高級培訓計劃以最優提升研究人員的AI素養與技能。

這一空白顯然呼吁未來研究從多個維度延伸和補充：（1）納入更新數據以捕捉最新技術發展（首先是生成式AI與大語言模型，也包括最新推理模型）；（2）擴展至更多科學領域，最好能像本研究一樣采用差異化細分維度；（3）探索科研產出與生產力的替代性衡量指標；（4）運用因果推斷方法評估AI專項資助、計算設施獲取等制度干預對科研領域AI應用的影響等。

另外，AI風險真實存在且影響重大，所以不容忽視。在AI系統能力和普及度飛速提升的同時，人類能否有效掌控這一快速演進技術的憂慮也與日俱增。因此，政策制定必須保持敏捷，及時應對新挑戰——既要激勵AI驅動的科學研究，又需管控相關風險（包括復雜AI/ML模型的黑箱特性、潛在濫用與偏見等問題），在科研治理中尋求微妙平衡。

AI在科研中的廣泛應用確實帶來了新的治理挑戰，特別是其對研究誠信與倫理的影響。2024年歐盟委員會發布的《科研領域AI負責任使用指南》確立了四項基本原則：可靠性（確保研究質量）、誠實性（如實報告AI使用情況）、尊重性（考慮可能受影響的各方利益相關者）及問責性（對AI使用及其產出負責）。但具體實施仍需分領域制定實操指南——雖然高層原則對指明方向很有價值，其落地應用必須結合具體科研場景。

人類科學家首次面對一種在復雜性與能力上可與人類智能比肩的機器智能。這種前所未有的互動促使我們進行深刻反思：究竟什么讓我們區別于智能機器？誠然，機器的智能水平持續提升，但真正的創造性直覺思維需要允許犯錯、隨時跳出邏輯框架、在不可預測中學習的能力。這是因為人類大腦是確定性、混沌性與隨機性的復雜結合體，而當前AI在這方面仍有本質局限。

另一個關鍵維度是"遠見"——這與單純的"觀察"截然不同。迄今為止，機器仍缺乏這種特質：它們不會自主決定探索遙遠星系（盡管在被指定任務時能出色處理天文數據）；在解決微積分和量子力學復雜問題方面，機器比大多數科學家更高效，但它們永遠無法率先洞察到構建這些理論體系的必要性。

底線是：要破解自然界的重大謎題，我們或許需要超越人類智能的其他智慧形式。因此，AI在科研中的應用將從奢侈品轉變為必需品。但科學的本質不僅在于回答問題，更在于提出正確的問題——這種提出革命性問題的能力，正是人類科學家不可替代的獨特價值。

資料來源：

European Commission(2025). Artificial intelligence in science : promises or perils for creativity? https://data.europa.eu/doi/10.2777/6693925

[本文為中國教育科學研究院國際教育研究中心承擔的教育部高校國別和區域研究2024年課題研究成果]

本文由中國教育科學研究院張永軍副研究員整理，編輯劉強。內容僅供參考，點擊左下角“閱讀原文”可下載該文獻。