Newest papers

Stronger artificial intelligence breakthroughs hasten their own exhaustion

Beichen Lu, Honglin Bao, Qi Huang, Qingguo Meng, James A. Evans · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.27296 · cited by 0 works (OpenAlex) · open-access PDF

Vietnamese

Tiến bộ trong trí tuệ nhân tạo được cho là rộng rãi để mở rộng với nỗ lực: nhiều nhà nghiên cứu, giấy tờ và đầu tư hơn nên tăng tốc khám phá. Các lý thuyết về tăng trưởng công nghệ thay vào đó đặt sự khó khăn của khám phá trong không gian ý tưởng. Ở đây chúng tôi cho thấy rằng không có quy mô cũng như không gian là đủ: những bước đột phá phụ thuộc vào sự chú ý đa dạng, mà tập trung tập thể có thể cạn kiệt. Trong 36 năm khoa học máy tính, chúng tôi phân tích 7,2 triệu bài báo, 73,089 đánh giá đồng nghiệp và 3,7 triệu nhà nghiên cứu và thay đổi chủ đề của họ. Lĩnh vực mở rộng trong khi sự chú ý của nó thu hẹp mạnh mẽ sau Transformer. Hơn một nửa các nhà nghiên cứu chuyển đổi chủ đề chuyển sang AI, đặc biệt là những người giữa nghề nghiệp, và sự tự tin

Machine translation (Meta M2M100); the English original follows.

Abstract

Progress in artificial intelligence is widely assumed to scale with effort: more researchers, papers and investment should accelerate discovery. Theories of technological growth instead locate the difficulty of discovery in the space of ideas. Here we show that neither scale nor space is enough: breakthroughs depend on diverse attention, which collective concentration can deplete. Across 36 years of computer science, we analyze 7.2 million papers, 73,089 peer reviews and 3.7 million researchers and their topic shifts. The field expanded while its attention narrowed sharply after the Transformer. Over half of topic-shifting researchers moved into AI, especially mid-career ones, and reviewer confidence fell by a full point on a 5-point scale. Each successive breakthrough, from AlexNet to large language models, raised the field's carrying capacity for ideas but was followed by steeper exhaustion of those ideas. Bigger breakthroughs capture attention more completely, depleting the diversity their successors may draw upon. Structural biology shows the same cycle after cryo-EM and AlphaFold. Simulations show how well-intentioned and widely used policies such as reciprocal reviewing empower prolific authors and further narrow what the field accepts. We call for institutions that protect diverse attention in artificial intelligence rather than reward concentration on the winning paradigm.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Field (mathematics), Diversity (politics), Novelty, Scale (ratio), Space (punctuation), Point (geometry)

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange