研究称AI重大突破越强，后续创意枯竭越快

Beichen Lu、Honglin Bao、James A. Evans等作者在arXiv发表论文称，人工智能领域的突破不仅取决于投入规模或创意空间，还依赖多样化的研究注意力，而集体扎堆会耗尽这种多样性。研究分析了计算机科学36年间的720万篇论文、73,089份同行评审及370万名研究者的选题迁移。论文称，Transformer出现后，该领域规模扩张但注意力明显收窄；超过一半转换课题的研究者转向AI，职业中期研究者尤甚，审稿人信心在5分制上下降整整1分。作者称，从AlexNet到大语言模型，每次突破都提高了领域容纳创意的上限，但随后创意枯竭也更陡峭；结构生物学在冷冻电镜和AlphaFold之后也出现同样周期。模拟显示，互惠审稿等广泛采用的政策会增强高产作者的影响力，并进一步收窄领域接受的内容。作者呼吁建立保护AI领域注意力多样性的机制，而非奖励对胜出范式的集中投入。