本文來(lái)自微信公眾號(hào)： 自然系列 ，作者：Nature?Portfolio

近半數(shù)科學(xué)家表示，他們對(duì)人工智能總體感覺(jué)負(fù)面，但認(rèn)為有些工具比別的要好些。

許多科學(xué)家對(duì)于AI正感受到“錯(cuò)失恐懼癥”（FOMO）。《自然》的一項(xiàng)調(diào)研詢(xún)問(wèn)了超過(guò)1900名研究者，顯示出人們對(duì)AI負(fù)面影響的擔(dān)憂(yōu)，也揭示了許多人擔(dān)心落后而不得不采用這些技術(shù)的壓力。

近半受訪(fǎng)者表示對(duì)AI總體上持負(fù)面看法，其中63%的人說(shuō)，使用大語(yǔ)言模型（LLM）等工具分析數(shù)據(jù)和科學(xué)文獻(xiàn)的風(fēng)險(xiǎn)大于收益。盡管如此，仍有近60%的人感到不用AI輔助工作就會(huì)落后。調(diào)研結(jié)果發(fā)表在《自然》網(wǎng)站、社交媒體和自然簡(jiǎn)報(bào)郵件中。

“要想不出局，你別無(wú)選擇，只能使用某些工具——特別是LLM——來(lái)跟上其他使用者的步伐?！卑拇罄麃喞ナ刻m科技大學(xué)研究臨床預(yù)測(cè)模型的博士生Alexander Gibson說(shuō)。

Gibson說(shuō)，他感覺(jué)到自己受“被動(dòng)驅(qū)使”著去使用AI工具，因?yàn)檫@些工具承諾讓一切變得更高效。但他感到，盡管AI模型能更快產(chǎn)出結(jié)果，但質(zhì)量未必優(yōu)于人類(lèi)，有時(shí)還更糟。例如，Gibson說(shuō)他用LLM提取PDF文章中的數(shù)據(jù)以開(kāi)展研究。這讓他的研究可行，因?yàn)槭謩?dòng)提取數(shù)據(jù)實(shí)在太困難了。但LLM犯了不少錯(cuò)?！肮ぷ髻|(zhì)量并沒(méi)有得到提升。”

對(duì)AI的看法

《自然》詢(xún)問(wèn)了研究人員對(duì)AI的看法、AI模型是否對(duì)科學(xué)有著廣泛的正面或負(fù)面影響，以及他們使用這些工具的頻率。收到的回復(fù)來(lái)自75個(gè)國(guó)家，較大比例來(lái)自美國(guó)（38%）。在回復(fù)的1907名科學(xué)家中，近48%的人說(shuō)他們對(duì)AI的感受是負(fù)面的。有30%的回復(fù)說(shuō)他們總體上感覺(jué)是積極的，22%為中性。

只有23%的回復(fù)者認(rèn)為AI對(duì)研究產(chǎn)生了積極影響，有31%認(rèn)為該技術(shù)對(duì)科學(xué)的影響是負(fù)面的。近半研究者認(rèn)為，使用AI造成的影響取決于其使用方式。涉及用于特定科學(xué)任務(wù)的模型往往比一般用途（如OpenAI的ChatGPT聊天機(jī)器人）的大語(yǔ)言模型要更受歡迎。

盡管存在疑慮，大多數(shù)受訪(fǎng)者仍表示自己在研究中使用了某種形式的AI工具，25%的人每天都會(huì)用；26%的人每周使用AI，15%的人每月使用，還有34%的人說(shuō)自己從來(lái)不用。

這與2023年《自然》讀者調(diào)研的結(jié)果相似，這項(xiàng)早些時(shí)候的調(diào)查詢(xún)問(wèn)了人們對(duì)科學(xué)領(lǐng)域早期采用AI的看法。該調(diào)研發(fā)現(xiàn)，研究者擔(dān)心AI傳播錯(cuò)誤信息、加劇數(shù)據(jù)偏見(jiàn)和造成失業(yè)率上升。

美國(guó)卡內(nèi)基梅隆大學(xué)的計(jì)算生物學(xué)家Irene Kaplow說(shuō)，研究者對(duì)AI所持的懷疑態(tài)度還不夠，他們往往在沒(méi)有充分理解其局限的情況下已經(jīng)用上了這些工具。

例如，Kaplow說(shuō)，她用AI識(shí)別基因轉(zhuǎn)錄調(diào)控元件（控制基因表達(dá)時(shí)間、位置和程度的特定DNA序列）。在研究中，她經(jīng)常使用Google DeepMind的AlphaGenome軟件，它能預(yù)測(cè)遺傳變異如何影響生物。但這個(gè)模型僅以人類(lèi)和小鼠數(shù)據(jù)進(jìn)行訓(xùn)練，在其他物種中的表現(xiàn)不夠理想。盡管如此，Kaplow知道有些同事仍然在將該模型應(yīng)用于適用范圍以外的生物。

有些同事用AI模型來(lái)協(xié)助寫(xiě)作文獻(xiàn)綜述，這也讓她感到憂(yōu)慮。盡管這些工具能加速過(guò)程，但它們會(huì)產(chǎn)生“幻覺(jué)”：引用不存在的文獻(xiàn)、錯(cuò)誤闡釋研究發(fā)現(xiàn)，有時(shí)候會(huì)提出和原始論文南轅北轍的結(jié)論。不過(guò)Kaplow表示，在負(fù)責(zé)任地使用時(shí)，AI工具能為研究帶來(lái)巨大益處。

語(yǔ)言輔助

與《自然》對(duì)話(huà)的研究者們通常對(duì)現(xiàn)有的生成式人工智能（如ChatGPT）持更多懷疑態(tài)度，相比之下，他們更欣賞為解決特定問(wèn)題而開(kāi)發(fā)的模型。

同樣的，她表示，在田野調(diào)查中協(xié)助準(zhǔn)備訪(fǎng)談?dòng)涗浀腁I轉(zhuǎn)錄工具，只要能以保護(hù)個(gè)人數(shù)據(jù)的方式使用，就能節(jié)省大量時(shí)間。Bhowmick說(shuō)，歸根結(jié)底，AI工具的風(fēng)險(xiǎn)和益處還是取決于其使用方式。

原文以Scientists have a bad case of AI FOMO,Nature poll reveals標(biāo)題發(fā)表在2026年6月9日《自然》的新聞版塊上

?nature

Doi：10.1038/d41586-026-01690-7