跳到主要内容
返回时间线
OpenAI News来源发表:

OpenAI统计1819名科学家的ChatGPT用法:自报同样工作可省近一半时间,98%预期本领域发现会加速

核心概要

OpenAI经济研究团队分析了ChatGPT学术研究者暑期试点中1819名科学家的580186条科研消息,并调查其中251人。受访者估计,在质量相同的前提下,没有AI时同样的工作要花约1.9倍时间;在回答发现时间线问题的250人中,98%预期AI会加速本领域的发现。这些数字来自使用记录与自报估计,并不构成因果结论。

Source-provided article image: Science at the Frontier: How scientists use ChatGPT
Figure 1 · OpenAI · 第 5 页

深度剖析

ChatGPT已经进入科学家日常科研流程的多个环节,从文献回顾、证据分析到代码编写和想法形成都有使用记录。 此前对AI在科研中实际用在哪一步,缺少来自真实使用记录的分环节统计。 统计覆盖2026年8月20日至9月22日ChatGPT学术研究者计划上的580186条科研消息,来自1819名科学家,按每位科学家在各活动中的消息占比先算个人份额再等权平均。

研究想法的产生并非全部由AI主导,科学家在多数情况下仍带着自己的问题或想法进入对话。 在关于研究想法的消息中,35%由科学家带来具体问题,36%由科学家提出想法再请ChatGPT完善,23%由ChatGPT建议研究问题,6%无法归类。 这组比例来自对研究想法类消息按每位科学家份额取平均,采用至少发送三条想法类消息才算使用想法的口径。

科学家把任务交给ChatGPT后仍会追问、核对或修改回答,参与度按活动分别统计。 该研究定义了“科学家参与度”,统计同一对话中七天内下一条科研消息里出现澄清、核对或修改的比例。 只纳入观察窗口完整且结果可评估的初始请求,并按每位科学家在各活动内的比率取平均。

启示与展望

分析对象是2026年8月20日至9月22日ChatGPT学术研究者计划上的1819名科学家及其580186条科研消息,问卷于9月30日至10月7日进行、251人作答且各题人数不同;研究团队只接触隐私保护分类器的输出,未阅读底层消息或ChatGPT回复。

生产力是科学家自报的估计,发现时间是预期而非观测结果,研究明确这些发现不建立因果效应;科学家还报告了人员、经费和实验能力方面的限制,预期能否转化为更快的发现仍需更多研究。