科学 的AI职业风险
科学产生海量的文本和数据，AI 已经在改变其中有多少能由人工处理。文献综述、数据清理，以及模型或方法的初步比较，如今能比研究者独自工作快得多。张力在于：生成一份既有研究综述，同知道哪个问题值得提出，并不是一回事；运行一次分析，同知道其结果是否真的意味着表面看起来的那样，也不是一回事。这些判断依赖科学家的训练和声誉，而不是产出这份草稿的工具。
行业平均风险分数
32.33
分析职业数
9
如何更好地阅读这一页
下面的固定解说会帮助读者理解分数该怎么看、自动化压力通常先出现在哪些环节，以及这个行业里哪些价值仍更可能由人来主导。
如何阅读本行业页面
理解 AI 在科学中的影响，要把信息处理同围绕它的科学判断区分开来。检索和摘要文献、清理和预处理数据集、运行标准统计或模型比较，以及起草常规实验记录，如今借助现有工具明显更快。而提出一个真正新颖的问题、设计一个真正能检验它的实验，以及解读一个含糊或出人意料的结果，则不会以同样的速度推进，因为它们依赖工具本身无法生成的领域判断力。
更容易被自动化的部分
AI 最先进入的是横跨大量论文的文献检索与摘要、数据清理和预处理流程、实验记录本和常规报告的起草与格式化，以及对模型、参数或分析方法的快速初步比较。一些实验流程已经使用自动化仪器处理重复性样本处理工作。而在研究的核心上，它会止步：决定哪个问题值得追究、设计一个能分离出正确变量的实验或研究、判断一个出人意料的结果反映的是真实现象还是伪影，以及为以研究者名义发表的一项主张承担责任。
仍然由人主导的部分
在科学中始终保持人类主导的，是提出问题和做出判断，而不是处理信息。界定哪些问题重要的首席研究员和研究者、设计能控制正确变量的实验者、结合情境解读含糊或矛盾结果的科学家，以及对什么算作有效主张行使判断的同行评审人和导师，都依赖模型能够辅助、却无法取代的领域专长和责任。
看分数时要注意什么
对于科学类角色，要衡量工作中有多少是文献检索、数据处理或常规分析，又有多少是提出问题和解读结果。集中于文献综述、数据清理或标准模型比较的角色理应预期更高分数，因为这些任务已经在被现有工具压缩。而以原创性问题界定、实验设计，或解读含糊发现为核心的角色，应把较低的分数理解为一种依然牢牢属于人类的判断力。
AI高风险职业
下表展示的是该行业当前更偏高风险一侧的职业快照。它更适合与上面的固定解说结合阅读，而不是被当成长期不变的例子清单。
AI低风险职业
下表展示的是该行业当前更偏低风险一侧的职业快照。它适合用来比较工作结构，而不是用来断言这些岗位以后一定不会变化。
常见问题
Q.科学行业中,哪些工作最容易受到AI的影响?
在科学行业中,AI风险评分最高的工作包括研究助理。上方展示了科学行业中受影响程度从高到低的完整排名。
Q.科学行业中,哪些工作最不容易受到AI影响?
科学行业中受AI自动化影响最小的岗位包括天文学家。这些工作通常依赖判断力、现场实际操作或责任担当,而这些是目前的AI无法承担的。
Q.科学行业对AI来说安全吗?
没有哪个行业是完全安全或完全高危的。在科学行业内部,从事常规信息处理的岗位比依赖判断力和责任担当的岗位更容易受到AI影响。因此,该评分更适合被理解为任务受AI影响程度的信号,而不是对失业情况的预测。
Q.科学行业的AI风险评分是如何计算的?
该评分是我们所追踪的科学行业各职业AI风险的平均值,每周更新一次。有关基础评分的计算方式及解读方法,请参阅方法论页面。