Adotar ferramentas de inteligência artificial para analisar dados e modelar resultados tem um grande impacto nas perspectivas de carreira de jovens cientistas, aumentando significativamente suas chances de ascender a posições de influência em seus campos, de acordo com um novo estudo. Mas esse benefício para pesquisadores individuais parece ter um custo mais amplo para a ciência.
Pesquisadores da Universidade de Chicago e da Universidade Tsinghua, na China, analisaram quase 68 milhões de artigos de pesquisa em seis disciplinas científicas (não incluindo ciência da computação) e descobriram que artigos que incorporam técnicas de IA foram citados com mais frequência, mas também se concentraram em um conjunto mais restrito de tópicos e foram mais repetitivos. Em essência, quanto mais os cientistas usam IA, mais eles se concentram no mesmo conjunto de problemas que podem ser respondidos com grandes conjuntos de dados existentes e menos exploram questões fundamentais que podem levar a novos campos de estudo.
“Eu fiquei surpreso com a escala dramática da descoberta, [a IA] aumenta dramaticamente a capacidade das pessoas de permanecer e avançar dentro do sistema”, disse James Evans, coautor do artigo pré-impressão e diretor do Knowledge Lab da Universidade de Chicago. “Isso sugere que há um grande incentivo para indivíduos adotarem esses tipos de sistemas em seu trabalho… é entre prosperar e não sobreviver em um campo de pesquisa competitivo.”
À medida que esse incentivo leva a uma crescente dependência de aprendizado de máquina, redes neurais e modelos de transformadores, “todo o sistema de ciência feito por IA está encolhendo”, disse ele.
O estudo examinou artigos publicados de 1980 a 2024 nos campos de biologia, medicina, química, física, ciência dos materiais e geologia. Descobriu-se que cientistas que usaram ferramentas de IA para conduzir sua pesquisa publicaram, em média, 67% mais artigos anualmente, e seus artigos foram citados mais de três vezes mais frequentemente do que aqueles que não usaram IA.
Evans e seus co-autores então examinaram as trajetórias de carreira de 3,5 milhões de cientistas e os categorizaram como cientistas júnior, aqueles que não haviam liderado uma equipe de pesquisa, ou cientistas estabelecidos, aqueles que haviam. Eles descobriram que cientistas júnior que usaram IA tinham 32% mais chances de liderar uma equipe de pesquisa — e progrediram para essa fase de suas carreiras muito mais rápido — em comparação com seus colegas que não usaram IA, que eram mais propensos a deixar a academia.
Em seguida, os autores usaram modelos de IA para categorizar os tópicos abordados por pesquisas assistidas por IA em comparação com pesquisas não assistidas por IA e para examinar como os diferentes tipos de artigos se citavam mutuamente e se estimulavam novas linhas de investigação.
Eles descobriram que, em todos os seis campos científicos, pesquisadores que usaram IA “encolheram” o terreno tópico que cobriam em 5%, em comparação com pesquisadores que não usaram IA.
O campo da pesquisa habilitada por IA também foi dominado por artigos “superstar”. Aproximadamente 80% de todas as citações dentro dessa categoria foram para os 20% dos artigos mais citados e 95% de todas as citações foram para os 50% dos artigos mais citados, o que significa que cerca de metade da pesquisa assistida por IA raramente, se é que alguma vez, foi citada novamente.
Da mesma forma, Evans e seus co-autores — Fengli Xu, Yong Li e Qianyue Hao — descobriram que a pesquisa em IA estimulou 24% menos engajamento subsequente do que a pesquisa não assistida por IA na forma de artigos que se citavam mutuamente, assim como o artigo original.
“Essas descobertas reunidas sugerem que a IA na ciência se tornou mais concentrada em tópicos específicos quentes que se tornam ‘multidões solitárias’ com interação reduzida entre os artigos”, escreveram. “Essa concentração leva a ideias mais sobrepostas e inovações redundantes ligadas a uma contração na extensão do conhecimento e diversidade em toda a ciência.”
Evans, cuja especialidade é estudar como as pessoas aprendem e conduzem pesquisas, disse que o efeito de contração na pesquisa científica é semelhante ao que ocorreu com o surgimento da internet e a digitalização de periódicos acadêmicos. Em 2008, ele publicou um artigo na revista Science mostrando que, à medida que os editores se tornaram digitais, os tipos de estudos que os pesquisadores citavam mudaram. Eles citaram menos artigos, de um grupo menor de periódicos, e favoreceram pesquisas mais novas.
Como um usuário ávido de técnicas de IA, Evans disse que não é contra a tecnologia; a internet e a IA têm benefícios óbvios para a ciência. Mas os achados de seu último estudo sugerem que órgãos de financiamento do governo, corporações e instituições acadêmicas precisam ajustar os sistemas de incentivo para cientistas, a fim de encorajar trabalhos que sejam menos focados em usar ferramentas específicas e mais voltados para romper novas fronteiras para que futuras gerações de pesquisadores possam construir.
“Há uma pobreza de imaginação”, disse ele. “Precisamos desacelerar essa completa substituição de recursos para pesquisas relacionadas à IA para preservar algumas dessas abordagens alternativas e existentes.