Tekoäly kolminkertaisti tutkijan tuotoksen – ja kavensi tiedettä

Tutkija, joka käyttää työssään tekoälyä, julkaisee kolme kertaa enemmän artikkeleita kuin kollega, joka ei käytä. Hänen töitään siteerataan lähes viisi kertaa useammin, ja hän nousee tutkimushankkeen vetäjäksi reilun vuoden aiemmin.

Luvut ovat Naturessa tammikuussa julkaistusta analyysistä, jossa Tsinghuan yliopiston ja Chicagon yliopiston tutkijat kävivät läpi 41,3 miljoonaa luonnontieteellistä artikkelia vuosilta 1980–2025.

Sama aineisto kertoo toisenkin asian. Mitä enemmän tekoälyä käytetään, sitä pienemmäksi käy tutkittujen aiheiden kokonaismäärä: se kutistuu 4,63 prosenttia. Tutkijoiden keskinäinen kanssakäyminen vähenee 22 prosenttia.

Yksittäisen tutkijan vaikutusvalta siis kasvaa juuri silloin, kun tieteen yhteinen kattavuus supistuu.

Miten tekoälyn käyttö tunnistettiin 41 miljoonasta artikkelista

Tutkimusryhmä opetti kielimallin lukemaan artikkelien tiivistelmiä ja päättelemään, onko tekoälyä käytetty tutkimuksen tekemiseen. Malli osui asiantuntijoiden tekemiin luokituksiin F1-arvolla 0,875, mikä on tämäntyyppisessä luokittelussa hyvä tulos.

Aineisto kattaa kuusi alaa: biologian, lääketieteen, kemian, fysiikan, materiaalitieteen ja geologian. Artikkelit jaettiin kolmeen kauteen, jotka vastaavat tekoälyn kehitysvaiheita: koneoppimisen aika 1980–2014, syväoppimisen aika 2015–2022 ja generatiivisen tekoälyn aika vuodesta 2023 eteenpäin.

Kyse ei ole tekoälyn tutkimisesta vaan tekoälyn käyttämisestä työkaluna. Proteiinirakenteen ennustaminen, mikroskooppikuvien luokittelu, materiaalien laskennallinen seulonta – nämä kaikki lasketaan mukaan.

Asetelma on vertaileva, ei kokeellinen. Analyysi ei todista, että tekoäly aiheuttaisi julkaisumäärän kasvun; yhtä hyvin tuotteliaat tutkijat voivat olla niitä, jotka tarttuvat uusiin työkaluihin ensimmäisenä. Aineiston koko tekee yhteydestä silti vaikean sivuuttaa.

Kirjo kapenee, koska data ohjaa

Selitys kaventumiselle löytyy siitä, mitä tekoäly tarvitsee toimiakseen. Mallit ovat vahvimmillaan aloilla, joilla on paljon valmista ja siistiä dataa. Kun tekoäly siirtää tutkimusta näille alueille, se kasaa tutkijoita samojen kysymysten ääreen ja jättää dataköyhät aiheet vähemmälle huomiolle.

Kirjoittajat kutsuvat ilmiötä vakiintuneiden alojen automatisoinniksi. Tekoäly hoitaa tehokkaasti sen, mitä tiede jo osaa kysyä, mutta ei juuri avaa uusia kysymyksiä.

Yhteistyön 22 prosentin väheneminen kertoo saman asian toisin päin. Kun laskennallinen työkalu korvaa osan siitä, mihin ennen tarvittiin toisen alan asiantuntija, kanssakäyminen jää tekemättä. Aineistossa tämä näkyy myös siinä, että tekoälyä hyödyntävät työt saavat vähemmän jatkotyötä muilta tutkijoilta.

Suomessa julkaisu on rahaa

Suomalaiselle lukijalle kysymys ei jää akateemiseksi. Yliopistojen perusrahoitus jaetaan opetus- ja kulttuuriministeriön mallilla, jonka yksi mittari on julkaisujen määrä Julkaisufoorumin tasoluokilla painotettuna. Suomen Akatemian hauissa julkaisuluettelo on edelleen keskeinen osa arviointia.

Jos tekoäly kolminkertaistaa julkaisutahdin, mittari alkaa mitata eri asiaa kuin ennen. Raha valuu sinne, missä tuotanto kasvaa nopeimmin, ja Naturen aineiston perusteella se tarkoittaa dataintensiivisiä aloja, joilla kysymykset ovat jo valmiiksi muotoiltuja. Pieni maa, joka rahoittaa tutkimusta tuotoksen perusteella, voi huomaamattaan rahoittaa kapenemista.

Tutkijan työ ei ole tässä poikkeus. AI Suomi kertoi aiemmin, että tekoäly on käytössä jo lähes joka ammatissa, mutta tekee niissä noin viidenneksen työstä. Tutkijan ammatissa kuvio näyttää samalta: nopeutta tulee lisää, valikoima kapenee.

Käytännön seuraus koskee myös tutkimuksen ulkopuolisia. Jos tiede keskittyy sinne, missä dataa on valmiina, harvinaiset sairaudet, pienten kielten tutkimus ja hitaasti kertyvät ympäristöaineistot jäävät kilpailussa jälkeen. Nämä ovat aloja, joilla rahoituspäätökset ratkaisevat kaiken.

Tekoälyä hyödyntävien artikkelien osuus kasvoi vuosina 1980–2025 alasta riippuen 10,7–51,9-kertaiseksi, eikä käyrä ole taittumassa. Arviointikriteerit ovat samat kuin ennen tekoälyä.

Kaventuminen on toistaiseksi 4,63 prosenttia. Luku on pieni, mutta se on mitattu aineistosta, jossa generatiivinen tekoäly ehti olla tutkijoiden käytössä vasta kolmisen vuotta.