MIT的一项研究表明，AI在科研中的应用显著提高了创新效率，但同时也加剧了科研人员之间的“能力鸿沟”。

研究显示，在AI的帮助下，专利申请量增加了39%，产品创新数量提升了17%。然而，AI的收益并不均衡。顶尖科研人员的研究产出提升了81%，而排名后三分之一的研究人员几乎没有从中获益。

AI之所以偏向顶尖研究人员，是因为他们具备较强的评估能力，能够高效筛选出AI生成的高质量候选材料。相比之下，经验不足的研究人员在面对海量数据时往往感到迷茫，浪费大量时间在无效摸索上。

这种差距并非学识差异所致，而是评估AI建议的能力问题，这一新门槛使科研领域的“马太效应”更加明显。AI工具让强者更强，弱者更弱。

尽管AI提高了科研效率，但科研人员的工作体验并未显著改善。82%的科研人员表示，AI工具并未减轻工作负担，反而增加了评估AI生成内容的负担。73%的人认为AI未能充分利用他们的技能，53%的人认为工作变得机械化、缺乏创造性。

研究还发现，AI自动化了57%的“创意生成”任务，使科研人员的注意力转向评估AI生成的材料。这改变了任务结构，创意生成时间从39%降至16%，而判断任务时间从23%增至40%。

随着AI的深入应用，部分科研人员感到技能被边缘化，计划重新培训的研究人员数量增加了71%。一些科研人员担心在AI重塑的科研环境中，传统学科知识的作用减弱。实验室也因此重新调整人员结构，解雇了部分人员，但整体研究人员数量有所增加。

AI显著加速了科研进程，但这种进步伴随着部分科研岗位的消失。这引发了科研人员的职业焦虑。未来，研究人员与AI应形成共生关系，AI负责基础性预测与筛选任务，研究人员则负责终端评估，确保科研成果的创造性和实用性。

此外，AI的广泛应用也引发科研责任和伦理问题。科研界需要明确AI的责任机制，并重新定义科研伦理，确保AI的应用既能提高效率，又能兼顾科研人员的利益。