ChatGPT等AI写作工具正在悄然改变科学研究生态：它们可能让学术引用变成一场“人气竞赛”，反复将研究者导向同一批论文，而那些真正具有创新价值的新研究却被埋没。

这一现象可称为“文化单一化”——就像电台反复播放那几首热门歌曲、机场书店永远摆着同样的畅销书、超市货架只出现那几种常见果蔬一样，学术界也正在被少数“经典文献”垄断引用。

长尾效应在科学领域同样存在：大量冷门但极具潜力的论文因为引用次数少，被AI模型判定为“不重要”，从而永远无法进入推荐视野。久而久之，研究者依赖AI推荐文献，而AI又倾向引用已有的高引用文献，形成恶性循环。

这种“马太效应”在AI辅助科研中尤为明显。新理论和新方法如果初期引用量低，便很难获得AI的“推荐权重”。有学者比喻说：爱因斯坦的相对论若在今天发表，很可能会被AI系统忽略。

问题的根源在于AI训练数据的统计偏好。模型在训练时，会自然地将高频引用的论文排在前面，而无法有效识别真正有价值的“冷门”研究。因此，AI不仅没有打破学术界的阶层固化，反而加剧了它。

更令人担忧的是，研究者本身也在无意识地迎合这一机制。为了获得更高的引用和影响力，他们可能会倾向于跟随主流热点，而不是探索未知领域。独立、冷静的学术判断力正在被算法吞噬。

有研究指出，AI系统对“老面孔”文献的偏好不仅存在于引用推荐中，还体现在摘要润色、背景介绍等环节。当研究者使用AI辅助写作时，AI会自动补充被高频引用的“标准文献”，进一步挤压新文献的生存空间。

当然，并非所有AI工具都在制造这一困境。也有团队正在尝试通过调整训练策略和推荐算法，让AI能够识别并推荐那些“引用量低但创新性强”的研究。但这需要学术界、技术公司和使用者共同努力。

对普通研究者和学生而言，建议在使用AI工具时保持批判思维，不要完全依赖其推荐列表。主动检索、关注会议新论文、与同行交流，仍是发现新思想的重要途径。

相关阅读：AI智能体Faraday论文复现能力胜过GPT-5.5，也是近期值得关注的AI研究方向。

未来，我们需要让AI真正成为科学发现的助推器，而不是学术圈层固化的加速器。这不仅是技术问题，更是整个科研体系需要共同面对的课题。