Tekoälyä työssään käyttävä luonnontieteilijä julkaisee 3,02 kertaa enemmän artikkeleita kuin kollega, joka ei sitä käytä. Hän kerää 4,84 kertaa enemmän viittauksia ja nousee tutkimusryhmän vetäjäksi keskimäärin 1,37 vuotta aiemmin.
Luvut ovat peräisin 41,3 miljoonan tieteellisen artikkelin analyysistä. Sen tekivät Qianyue Hao, Fengli Xu ja Yong Li yhdessä Chicagon yliopiston sosiologin James Evansin kanssa, ja Nature on hyväksynyt työn julkaistavaksi.
Sama aineisto kertoo myös toisen tarinan. Tutkittujen aiheiden kokonaiskirjo kapeni 4,63 prosenttia, ja tulosten ympärille syntyvä jatkotyöskentely väheni 22 prosenttia. Yksittäisen tutkijan vaikutusvalta kasvaa, tieteen yhteinen ulottuvuus kutistuu.
Kielimalli päätteli, kuka käytti tekoälyä
Aineisto kattaa vuodet 1980–2025 kuudelta luonnontieteen alalta: biologia, kemia, geologia, materiaalitiede, lääketiede ja fysiikka. Tietojenkäsittelytiede ja matematiikka rajattiin ulos, koska niissä tekoälyä pääosin kehitetään eikä sovelleta.
Kukaan ei kysynyt tutkijoilta, käyttivätkö he tekoälyä. Sen päätteli BERT-kielimalli, joka opetettiin kahdessa vaiheessa: ensin kahdeksan tekoälyyn keskittyneen julkaisufoorumin artikkeleilla, sitten aineistolla, jossa julkaisupaikan tekoälytodennäköisyys ylitti 80 prosenttia.
Malli osui asiantuntijoiden käsin merkitsemään vertailuaineistoon F1-arvolla 0,875, ja asiantuntijat olivat keskenään lähes täysin yksimielisiä siitä, mikä on tekoälyavusteista tutkimusta. Luokittelu on silti tulkinta tekstistä, ei havainto laboratoriosta.
Kolme varausta lukuihin
Korrelaatio ei ole syysuhde. Tekijät sanovat itse, etteivät he pysty täysin tunnistamaan syy-yhteyttä tekoälyn käytön ja tieteellisen vaikuttavuuden välillä. Tuotteliaimmat tutkijat omaksuvat uudet työkalut ensimmäisinä, joten osa erosta on olemassa jo ennen ensimmäistäkään mallia. Kirjoittajat yrittivät hallita tätä vertaamalla tutkijoita, joiden ura näytti alussa samanlaiselta ja erkani vasta myöhemmin.
22 prosentin lasku ei tarkoita pienempiä tutkimusryhmiä. Se mittaa jatkokytkeytymistä eli sitä, kuinka usein samaan artikkeliin viittaavat myöhemmät työt viittaavat myös toisiinsa. Tekoälyvetoisen tuloksen ympärille syntyy siis harvemmin keskusteleva tutkijayhteisö.
Menetelmä ei tunnista tekoälyn käyttöä, jota ei mainita tekstissä. Mitä arkisemmiksi työkalut muuttuvat, sitä harvemmin ne kirjataan menetelmäosioon, ja sitä enemmän aliarviota lukuihin kertyy.
Kaventuminen näkyy siinä, mistä ei kirjoiteta
Aihekirjon 4,63 prosentin kutistuminen on mittaustulos, ei vaikutelma. Tutkijat sijoittivat artikkelit 768-ulotteiseen vektoriavaruuteen ja katsoivat, kuinka laajalle alueelle ne levittäytyvät. Tekoälyavusteinen tutkimus tiivistyy alueille, joilla dataa on jo valmiiksi paljon.
Logiikka on ymmärrettävä. Malli tarvitsee mittauksia, ja proteiinirakenteet, materiaalikirjastot ja mikroskooppikuvat ovat kiitollisia kohteita. Huonosti dokumentoitu ilmiö ei ole, vaikka se olisi tieteellisesti kiinnostavampi.
Merkkejä siitä, että tekoäly on siirtynyt tieteen työkalusta sen rakenteisiin, on kertynyt muualtakin. AI Suomi kertoi aiemmin, että joka viides tiedearvio oli kokonaan tekoälyn kirjoittama. Nyt näyttää siltä, että sekä tulosten tuottaminen että niiden arviointi nojaavat samoihin malleihin yhtä aikaa.
“Tekoäly on muuttumassa apuvälineestä osaksi tieteen perusinfrastruktuuria.”
