生成型AIの科研普及が加速する中、効率化と引き換えに科学の信頼性と多様性が損なわれる危機が表面化している。2026年1月、シカゴ大学のジェームズ・エヴァンス教授らの研究では、AI利用者の論文数が約3倍、被引用数が約4.8倍となる一方、テーマ覆盖面積は4.63％減少し、研究者間交流は22％低下した。AIが既知領域への集中を促進し科学的探索を収縮させると指摘される。 文献の信頼性も脅かされている。2026年5月、ランスエットで報告されたコロンビア大学監査では、AI由来の虚偽引用が過去3年で12倍以上に急増。NeurIPS 2025でも偽DOIや捏造著者らが発見され、ピアレビュー通過の実態が浮き彫りとなった。Stanford大学およびエルゼビアの調査では、研究者の84％がAIを活用しつつ86％がエラーを懸念。透明性と検証可能な引用の確保が不可欠だ。 学界の対応も明確だ。6月17日、上海・同済大学で開催された科研AIワークショップでは、委任可能な業務と不可分な判断の線引きが議論された。荘小瑩教授は思考の均質化を警戒し、王昊奋教授はAIを基盤業務に活用しつつ人間の知的探求を補完する役割を強調した。 課題に対し、エルゼビアは科研用AI LeapSpaceで対応する。1億件超の学術データを基盤に、独立AI委員会の監督下で運営。Trust Cardで出典根拠を可視化し、Claim Radarで支持・中立・反対の分布を提示する。矛盾や空白を可視化する機能により、探索型AIの実現を目指す。 科研AIの真の価値は答えへの速度ではなく未踏の問いの生み出し方にかかっている。科学の多様性と信頼性を維持するため、人間知性とAI計算力の統合が次世代ツールの指針となるだろう。