Des de la irrupció de ChatGPT el 2022, cada cop més científics fan servir models de llenguatge per redactar les seves sol·licituds de finançament. Un equip de la Kellogg School of Management i el Center for Science of Science and Innovation de la Universitat Northwestern, liderat per Dashun Wang i Yifan Qian, ha volgut mesurar per primer cop com afecta això qui rep els diners i quin tipus de recerca s'acaba finançant.
L'estudi, publicat el 12 d'agost a Proceedings of the National Academy of Sciences (PNAS), analitza patrons lingüístics associats a l'ús d'IA en sol·licituds presentades als National Institutes of Health (NIH) i a la National Science Foundation (NSF), abans i després del llançament públic de ChatGPT. Al NIH, les propostes amb senyals més forts d'assistència d'IA van tenir un 4% més de probabilitats de ser finançades, però també una "distintivitat semàntica" més baixa: s'assemblaven més a projectes ja finançats anteriorment. A la NSF, en canvi, no es va trobar cap relació significativa entre l'ús d'IA i l'èxit en l'obtenció de finançament.
Els projectes del NIH finançats amb ajuda d'IA van generar més publicacions derivades, però no més articles d'alt impacte o veritablement disruptius, segons els autors. "Si la IA aprèn cada cop més de les propostes que ja han tingut èxit, una de les preguntes que ens hem de fer és si el ventall científic de demà es torna menys arriscat", adverteix Wang. Qian hi afegeix que una cartera més propera als patrons de finançament recents "pot reflectir més claredat, però també implica menys exploració en el paisatge d'idees".
L'estudi detecta patrons associatius, no causals, i es basa en la detecció automàtica de senyals lingüístics d'ús d'IA, un mètode imperfecte que pot confondre casos concrets. Els mateixos autors remarquen que caldran més anys de dades per saber si l'efecte es manté a llarg termini i si acaba afectant la qualitat real de la ciència finançada.