科学家如何使用 Claude

📌 One-Sentence Summary
对 207,000 次 Claude 科研会话的分析揭示了 AI 如何加速科学发现:形式科学领域在数据分析和写作方面的采用率更高;在某些领域,AI 有望使科研产出翻倍,在认知型领域则可能带来最高 15 倍的增长。
📝 Summary
本报告分析了 207,049 次 Claude 和 Claude Code 科研会话,以了解 AI 当前在各科学领域中的使用情况。研究发现,Claude 在计算机科学、数学和统计学等形式科学领域的使用更为普遍,在健康科学和依赖实验室的物理科学领域则较少。数据分析占 Claude 会话的 33.7%,占 Claude Code 会话的 48.1%;写作与沟通也很常见。相比之下,构思和假设生成仅占 4.2% 的会话,尽管研究人员将它们评为最重要的用途。研究显示,AI 的采用程度与任务适配性相关:认知型、非实体性任务的使用率更高。如果现有能力得到广泛采用,某些领域的科研产出可能翻倍;如果 AI 完全自动化非实体性工作,认知型领域的产出最高可能增长 15 倍。本研究采用保护隐私的方法,并使用基于分类器的分类体系,对 34 个领域中的 7,262 项科研任务进行分类。
💡 Main Points
与健康科学或依赖实验室的物理科学相比,计算机科学、数学和统计学等形式科学领域对 Claude 的采用更为普遍。
按研究人员人数进行相对比较后,这些领域的人均使用率更高。计算机科学研究人员仅占全球研究人员的 4.3%,但该领域的会话占 Claude Code 会话总数的 32.7%。
数据分析和写作是 Claude 最常见的用途,而构思和数据收集的使用率偏低。
数据分析占 Claude 会话的 33.7%,占 Claude Code 会话的 48.1%;相比之下,构思和假设生成仅占 4.2% 的会话,尽管研究人员将其评为最重要的用途。
AI 的采用与任务适配性相关;与 AI 能力相匹配的认知型、非实体性任务使用率更高。
理论上 AI 能力排名前 20% 的任务,其 Claude 使用量是根据研究人员投入时间所预测水平的 2-4 倍;数据收集等实体性任务的采用率则较低。
AI 有望显著加速科学发现,认知型领域的产出增幅可能高达 15 倍。
如果 AI 完全自动化非实体性工作,计算机科学和统计学等领域可能取得显著进展;而实验室科学受实体性瓶颈限制,产出增幅约为 3-4 倍。
本研究使用保护隐私的基础设施,依据 SciNet 分类体系分析了 34 个领域中的 207,049 次会话。
分类器分两步为每次会话标注领域、子领域和任务,在不存储原始对话数据的同时,支持对 AI 在科研工作中所发挥作用的汇总分析。
💬 Key Quotes
「AI 或许能够加速科学发现,但加速多少取决于 AI 能做什么,以及科学家如何使用它。」
「仅数据分析一项就占 Claude 会话的约三分之一,几乎占 Claude Code 会话的一半。」
「如果现有 AI 能力得到广泛采用,某些领域的科研产出可能翻倍。」
「假设 AI 完全自动化所有非实体性科研工作,计算机科学和统计学等领域的产出可能增长多达 15 倍。」
📊 Article Meta
AI Screening: 88
Source: Anthropic Research
Author: Anthropic
Category: 人工智能
Language: 英文
Read Time: 35 min
Word Count: 8587
Tags:
AI 与智能应用 , 数学 , 大语言模型 (LLM) , AI 编程 , 写作与表达
内容翔实,正好需要,先收藏再看。
这篇文章分析得很透彻,收藏了!
点赞,必须点赞
内容翔实,正好需要,先收藏再看。
这篇文章分析得很透彻,收藏了!
支持作者,持续关注中。
路过
看标题就点进来了,内容果然没让人失望。
不错不错,已加入书签。
很有价值的分享,感谢整理。
有没有更详细的教程,期待后续。
实测过类似工具,作者说的基本属实。