تطرح دراسة اقتصادية نظرية جديدة من جامعات برينستون وواشنطن وغيرها تشكيكًا في الفرضية الشائعة بشأن تأثير الذكاء الاصطناعي على البحث العلمي. فبينما يُتوقع أن توفر نماذج اللغة الوقت في جميع مراحل البحث، من صياغة الفرضيات إلى تحليل البيانات، قد يحدث العكس تماميًا.

بنت الدراسة نموذجًا رياضيًا على أساس نظرية البحث الأمثل من علم البيئة السلوكية، وطبقتها على العملية العلمية. تفترض الباحثون أن توفير الذكاء الاصطناعي للوقت يرفع قيمة وقت الباحث، فكل ساعة تُقضى في مشروع قائم هي ساعة خسرت من إمكانية بدء مشروع جديد، وهو ما يسميه الاقتصاديون "تكلفة الفرصة البديلة". في هذا السياق، الوقت الذي يوفره الذكاء الاصطناعي يدفع الباحثين للتضحية بالأجزاء الطوعية من أبحاثهم، مثل التجارب الإضافية أو التحليل المعمق، لصالح بدء مشاريع جديدة.

حللت الدراسة ثلاث سيناريوهات. في الأول، عندما يساعد الذكاء الاصطناعي في تقييم الأفكار المبكرة، يصبح الباحثون أكثر انتقائية لكن المشاريع الموافق عليها تحصل على معالجة أقل شمولًا. في الثاني، عندما يسرع الكتابة والنشر، تزداد الأوراق البحثية لكنها تصبح أقل عمقًا. فقط في السيناريو الثالث، حين يسرع الذكاء الاصطناعي مراحل التحليل العميق، يحسن الجودة فعلًا.

في حالتين من ثلاث، إذن، تنخفض جودة البحث. والدراسة تجد دليلًا على هذا في الواقع بالفعل. دراسة من OpenAI على حالات علمية ثمانية وجدت تسريعات تصل إلى 60 ضعفًا في إعادة كتابة البرامج، لكن الاختناق انتقل إلى التحقق من الصحة والصيانة. أيضًا، دراسة من METR بينت أن مطورين ذوي خبرة استخدموا أدوات الذكاء الاصطناعي لكنهم احتاجوا وقتًا أطول بنسبة 19 بالمائة لإنهاء مهامهم، رغم شعورهم بأنهم أسرع بـ 24 بالمائة.

تظهر المشكلة في نظام النشر أيضًا. في المجالات التي تسرع فيها نماذج اللغة الكتابة، يتزايد عدد الأوراق المرسلة بسرعة، محملة على نظام المراجعة الذي يعاني بالفعل من الإرهاق. منصة Arxiv ردت بعقوبات أشد، مهددة بحظر الإرسال لمدة سنة عند وجود مصادر مختلقة أو تعليقات بحثية من الذكاء الاصطناعي في النصوص. الدراسة تؤكد أن الاستجابات المؤسسية يجب أن تكون متخصصة حسب المجال، لأن تأثير الذكاء الاصطناعي ليس تسريعًا موحدًا، بل يعتمد على أي مرحلة يتم تسريعها.