AI能帮科学家节省大量时间，但省下来的时间真的会用在更深入的思考上吗？一项新的理论研究表明，答案可能恰恰相反——AI可能让科学家做得更多，但做得更差。

普林斯顿大学、华盛顿大学等机构的研究人员发表了一篇理论经济学论文，对这一普遍假设提出了质疑。论文的核心逻辑并不复杂：当AI接管了科学家的部分工作，科学家自身的时间就变得更宝贵了。花在现有项目上的每一个小时，都意味着无法用于启动一个新项目。经济学家称之为"机会成本"，而这篇论文的模型正是建立在这一概念之上。

打开网易新闻 查看精彩图片

AI节省时间，反而让研究变浅

研究人员的分析刻意将大语言模型（LLM）理想化处理：他们假设AI是完美的工具，能降低时间成本、不引入错误，且财务成本可忽略不计。这样的设定是为了隔离出"节省时间"这一单一变量带来的纯粹影响，排除技术本身已知的缺陷干扰。

论文构建了一个基于行为生态学中"最优觅食理论"的数学模型。这一理论原本用于描述生物体如何在竞争性机会之间分配精力。将其适配到科研场景后，模型模拟了研究人员如何在多个项目之间分配劳动，以及当大语言模型缩短项目生命周期中不同阶段时，分配会发生怎样的变化。

在模型中，一个研究项目分为两个阶段。研究者首先判断一个想法是否可行，然后决定是放弃还是推进。推进阶段又分为两部分：强制性部分，比如制作图表、格式化文本、提交论文；自愿性部分，比如进行额外实验、做更深入的分析、打磨文字。论文指出，当时间变得稀缺时，被牺牲的正是自愿性部分。

三种情形，两种让研究变差

论文根据AI在科研过程中应用位置的不同，设定了三种情形。

第一种情形中，AI帮助评估早期想法。由于重新开始的成本变低，研究者会变得更加挑剔，只有最有前景的项目才能推进。但即便是这些项目，得到的处理也会更粗糙——因为节省下来的时间被用于启动新项目更划算。作者指出，这种模式在技术类学科中很典型。

第二种情形中，AI帮助加速发表环节，包括写作、格式化和分析。由于"把论文发出去"所需的努力减少了，一些较弱的项目也值得推进。结果是：更多论文进入流通，但每一篇都变得更浅。这种模式在基于田野调查的学科中很典型。

只有第三种情形中，AI才真正提升了研究质量。在这种情形下，AI加速的是自愿性深度探索阶段——比如额外的实验或更仔细的分析。但论文指出，这种情形在现实中可能并不常见。

换句话说，三种情形中有两种会导致研究质量下滑。即便大语言模型完美运行、不犯任何错误，仅仅因为节省了时间，就可能让科研变得更糟，而不是更好。

这项研究的价值在于它揭示了一个被普遍忽视的悖论：我们总以为AI省下的时间会用于更深入的思考，但经济学的逻辑告诉我们，时间越宝贵，人们越倾向于把它花在"产出更多"而不是"做得更深"上。对于正在全面拥抱AI工具的科研界来说，这无疑是一个值得停下来思考的提醒。