Estudio en Nature: La IA acelera la carrera de los investigadores individuales, pero estrecha el panorama general de la ciencia
Un importante estudio revela que, aunque las herramientas de IA aceleran el éxito de los científicos, reducen de manera preocupante el alcance general del descubrimiento de nuevos conocimientos.
Un importante estudio publicado en la revista de renombre mundial Nature revela el doble impacto de la inteligencia artificial (IA) en el campo de la ciencia. Señala que la IA se ha convertido en una herramienta poderosa que ayuda a los investigadores individuales a tener éxito en sus carreras más rápidamente, pero al mismo tiempo, reduce y diversifica menos la dirección general de la investigación científica.
El equipo de investigación, liderado por James Evans, sociólogo de la Universidad de Chicago, analizó más de 310.957 artículos de investigación en 6 campos de las ciencias naturales (biología, medicina, química, física, ciencia de materiales y geología). Utilizaron modelos de lenguaje de Google para identificar las investigaciones que empleaban IA. Los resultados mostraron que los investigadores que usaban IA publicaban 3.02 veces más artículos que aquellos que no lo hacían, y sus trabajos recibían 4.85 veces más citaciones. Además, se descubrió que ascendían a líderes de equipo de investigación 1.37 años antes que sus colegas, en promedio.
Sin embargo, al observar el panorama general de la ciencia, se encontró un impacto negativo. El uso de la IA resultó en una reducción del 4.63% en el número de temas de investigación estudiados y una disminución del 22% en la interacción entre investigadores. Los autores del estudio concluyeron que "las herramientas de IA parecen automatizar campos existentes en lugar de explorar nuevos," lo que genera una aparente contradicción: "la ampliación del impacto de los científicos individuales, pero la contracción del alcance general de la ciencia."
James Evans resumió este fenómeno diciendo: "You have this conflict between individual incentives and science as a whole". Lo interesante es que este patrón ha ocurrido consistentemente desde los inicios del machine learning y el deep learning hasta la era actual de la generative AI. Esto refleja los desafíos estructurales que enfrenta la comunidad científica en la era de la IA.
Aunque la IA es una herramienta que acelera la eficiencia, este impacto señala el riesgo de que los descubrimientos científicos puedan concentrarse en temas ya existentes, lo que podría retrasar hallazgos importantes a largo plazo que requieren la exploración de nuevos conocimientos.