חוקרים המשתמשים בכלי בינה מלאכותית מפרסמים יותר מאמרים וזוכים ליותר ציטוטים, אך מחקר רחב היקף מצא במקביל הצטמצמות במגוון הנושאים המדעיים. מאמר דעה ב־Nature מזהיר כי עתיד המדע תלוי בשאלה אם האקדמיה תתגמל מקוריות או בעיקר מהירות ותפוקה
הבינה המלאכותית עוברת בהדרגה ממעמד של כלי עזר לתשתית שעליה נשענת העבודה המדעית. סקירת ספרות, השוואת שיטות, כתיבת קוד, ניתוח נתונים, בניית מודלים ואפילו תכנון ניסויים – משימות שבעבר חייבו לעיתים צוותים גדולים ומומחים מתחומים שונים – יכולות להתבצע כיום במהירות רבה יותר בעזרת מערכות בינה מלאכותית.
אולם לצד ההבטחה להאיץ תגליות, מתעורר חשש אחר: כאשר חוקרים רבים משתמשים באותם מודלים, באותם מאגרי מידע ובאותם תהליכי עבודה, המדע כולו עלול להתמקד במספר מצומצם יותר של שאלות שקל יחסית לנתח, לפרסם ולצטט.
במאמר דעה שהתפרסם ב־Nature מעלה פרופ׳ שיז׳ה ג׳אנג מאוניברסיטת נאנג׳ינג לרפואה את האפשרות שהבינה המלאכותית תוביל לאחת משתי תוצאות מנוגדות: רנסנס מדעי שיאפשר לחוקרים לחצות גבולות בין תחומים, או “מונוקולטורה מפוזרת” שבה מעבדות רבות ברחבי העולם מייצרות מחקרים דומים באמצעות אותם כלים.
לדבריו, “השאלה אינה עוד אם הבינה המלאכותית תגדיל את תפוקת המדע, אלא כיצד תשנה את השאלות שמדענים בוחרים לשאול”.
יותר מאמרים ויותר ציטוטים
החשש אינו נשען רק על הערכה תאורטית. מחקר נפרד שהתפרסם בינואר 2026 ב־Nature בחן 41.3 מיליון מאמרים במדעי הטבע. החוקרים השתמשו במודל שפה שאומן לזהות מחקרים שבהם שולבו כלי בינה מלאכותית, והשוו את מסלולי הקריירה של חוקרים שאימצו אותם לאלה של חוקרים שלא עשו זאת.
התוצאות הצביעו על יתרון ברור ברמת החוקר הבודד. חוקרים שאימצו כלי בינה מלאכותית פרסמו פי 3.02 מאמרים, קיבלו פי 4.84 ציטוטים והפכו למובילי פרויקטים בממוצע 1.37 שנים מוקדם יותר מעמיתיהם.
אולם ברמת המערכת המדעית התקבלה תמונה שונה. השימוש בבינה מלאכותית נקשר לצמצום של 4.63% בהיקף הנושאים שנחקרו ולירידה של 22% במעורבות ההמשך של חוקרים בעבודותיהם של חוקרים אחרים. מחקרים מבוססי בינה מלאכותית נטו להתכנס אל תחומים שבהם כבר קיימים מאגרי נתונים גדולים, במקום לפתוח חזיתות מחקר חדשות.
מדובר במחקר תצפיתי, ולכן אין בו הוכחה שהבינה המלאכותית כשלעצמה גרמה לכל ההבדלים. ייתכן שחוקרים מצליחים ופוריים יותר הם גם אלה שממהרים לאמץ כלים חדשים. עם זאת, היקף הנתונים והעקביות של המגמות מעלים שאלה מטרידה: האם מערכת התמריצים האקדמית הופכת את הבינה המלאכותית למכונה להגדלת תפוקה, במקום לכלי להרחבת גבולות הידע?
כאשר מחסומים בין תחומים נעלמים
ג׳אנג מציג גם את הצד החיובי מניסיונו במחקרים המשלבים מדעי המחשב, ביולוגיה ורפואה. שאלות מדעיות מורכבות נתקעות לעיתים לא בגלל מחסור בנתונים, אלא משום שהן מחייבות תרגום בין שפות מקצועיות שונות.
הוא מביא כדוגמה את חקר הדיכאון. עשרות שנות מחקר לא הכריעו אם מדובר בהפרעה אחת או באוסף של מצבים שונים המתבטאים בתסמינים דומים. התמודדות עם השאלה מחייבת שילוב של הערכת תסמינים קליניים, עיבוד דימות מוחי, תכנון אלגוריתמים, ניתוח סטטיסטי ואימות רפואי.
בעבודה המסורתית, כל שלב מבוצע בידי מומחים אחרים, והתקדמות המחקר עלולה להאט במעברים בין התחומים. מערכת בינה מלאכותית יכולה לסייע לחוקרים לקרוא מאמרים מחוץ לתחום התמחותם, להשוות בין שיטות ולעזור לתרגם ממצאים חישוביים למונחים קליניים.
כך יכולים גם צוותים קטנים יחסית להתמודד עם שאלות שבעבר דרשו שיתוף פעולה מוסדי רחב. הבינה המלאכותית עשויה לאפשר לחוקרים להגיע לתחומים שלא היו נגישים להם וליצור שילובים חדשים בין ידע רפואי, ביולוגי וחישובי.
אותו צינור מחקר שוב ושוב
אלא שהיכולת להפוך תהליך מורכב לצינור עבודה אוטומטי היא גם מקור הסכנה. מערכת יכולה לסרוק את הספרות, לאתר קשרים מובהקים במאגר נתונים, להפעיל ניתוח סטטיסטי ולסייע בכתיבת מאמר מלוטש.
כאשר אותו תהליך מופעל שוב ושוב על מאגרי נתונים שונים, אפשר לייצר במהירות שורה ארוכה של מאמרים דומים. התוצאה עלולה להזין “מפעלי מאמרים” – פעילות שיטתית שבה המטרה היא להגדיל את מספר הפרסומים, ולאו דווקא להעמיק בהבנת הבעיה.
מחקרים כאלה אינם בהכרח שגויים. הנתונים יכולים להיות אמיתיים, החישובים תקינים והתוצאות מובהקות מבחינה סטטיסטית. הבעיה היא שהם עלולים לחזור שוב ושוב על אותן הנחות ועל אותן שאלות, בלי לבדוק אם ניסוח הבעיה עצמו נכון, אם קיימים הסברים חלופיים או אם הנתונים הזמינים מייצגים את התופעה שהחוקרים מנסים להבין.
בינה מלאכותית מצטיינת בהרחבת מסלולים שכבר הוגדרו. קשה יותר להשתמש בה כדי לזהות שהמסלול כולו מוטעה או שהשאלה החשובה ביותר טרם נשאלה.
הבעיה אינה רק במודלים
הכיוון שאליו יתפתח המדע תלוי אפוא לא רק ביכולות הטכניות של המודלים. הוא תלוי גם במערכת התמריצים של כתבי העת, האוניברסיטאות וגופי המימון.
כל עוד חוקרים מתוגמלים בעיקר לפי מספר מאמרים, ציטוטים ומהירות הפרסום, יש להם תמריץ להשתמש בבינה מלאכותית כדי להגדיל תפוקה. גם חוקרים המעדיפים עבודה איטית ומקורית עלולים להידחק לאמץ תהליכים אוטומטיים כדי שלא להישאר מאחור.
ג׳אנג טוען כי סוקרי מאמרים וגופי מימון צריכים לתת משקל גדול יותר למקוריות, לגיוון השאלות ולנכונות לבחון השערות מסוכנות, ולא רק למהירות, למראה המלוטש של המאמר ולכמות התוצאות.
מכאן נגזרת גם חשיבותה של שקיפות: חוקרים צריכים לפרט אילו חלקים בעבודה בוצעו בעזרת בינה מלאכותית, כיצד נבחרו השאלות והנתונים, אילו החלטות התקבלו בידי בני אדם וכיצד נבדקו תוצרי המערכת.
רנסנס או שכפול בקנה מידה עצום
הבינה המלאכותית יכולה להקל על חציית גבולות בין תחומים, לאפשר לצוותים קטנים להתמודד עם בעיות מורכבות ולהפחית עבודה טכנית החוזרת על עצמה. אלה תנאים שעשויים להצמיח תקופה של יצירתיות מדעית.
אבל אותם כלים יכולים גם לשכפל במהירות גישות קיימות, לרכז את המחקר סביב מאגרי הנתונים הגדולים והנגישים ביותר ולהציף את הספרות במאמרים הדומים זה לזה.
ההכרעה לא תתקבל בתוך המודל עצמו. היא תלויה בשאלה מה תבחר הקהילה המדעית למדוד ולתגמל: כמות גדולה יותר של מאמרים, או מרחב גדול יותר של רעיונות.
שאלות ותשובות
האם הבינה המלאכותית באמת מגדילה את תפוקת החוקרים?
במחקר שניתח 41.3 מיליון מאמרים, חוקרים שאימצו כלי בינה מלאכותית פרסמו פי 3.02 מאמרים וקיבלו פי 4.84 ציטוטים לעומת חוקרים שלא אימצו אותם.
מהי מונוקולטורה מדעית?
מצב שבו חוקרים רבים מתמקדים בשאלות, במאגרי נתונים ובשיטות דומים, וכך מגוון הרעיונות והכיוונים המדעיים מצטמצם.
האם המחקר מוכיח שהבינה המלאכותית פוגעת במדע?
לא. זהו מחקר תצפיתי המצביע על קשרים בין אימוץ בינה מלאכותית לבין תפוקה גבוהה יותר ומגוון מצומצם יותר. הוא אינו מוכיח קשר סיבתי מלא.
מדוע בינה מלאכותית עלולה לצמצם את מגוון המחקר?
כלים אלה יעילים במיוחד בתחומים שבהם קיימים נתונים רבים ושיטות מוכרות. לכן הם עלולים למשוך חוקרים אל בעיות שקל יותר לאוטומט ולמדוד.
כיצד אפשר למנוע את הצמצום?
באמצעות תגמול של מקוריות וגיוון, שקיפות בשימוש בבינה מלאכותית והערכת מחקרים לפי חשיבות השאלה ולא רק לפי מהירות הפרסום ומספר המאמרים.
הערות
המאמר של ג׳אנג פורסם ב־22 ביוני 2026 במדור World View של Nature, והוא מדגיש במפורש כי השפעת הבינה המלאכותית תלויה גם בשאלה אם חוקרים, סוקרים ומממנים מתגמלים מקוריות או מהירות. (Nature)
הנתונים על 41.3 מיליון מאמרים, פי 3.02 יותר פרסומים, פי 4.84 יותר ציטוטים, הקדמה של 1.37 שנים בהובלת מחקר, צמצום של 4.63% במגוון הנושאים וירידה של 22% במעורבות בין חוקרים נלקחו מן המחקר המקורי ב־Nature. (Nature)
עוד בנושא באתר הידען:
