尽管自今年年初以来，针对的AI研究水平迅速增长，但与AI在之外的研究相比，AI在该领域的代表性仍然不足。到2020年，到目前为止，在上的研究中有7.1%引用了AI，而在以外的主题上有12%的引用了AI。在今年早些时候迅速增长之后，最近几周AI论文在研究中的份额停滞了。

涉及的出版物中超过三分之一涉及对患者数据的预测分析，尤其是医学扫描。人工智能还被部署为分析社交媒体数据，预测疾病的传播并开发生物医学应用。

中国，美国，英国，印度和加拿大是开发应对研究的AI应用程序的全球领导者，占我们拥有地理数据的机构参与者的62%。特别是在 AI研究中，中国的代表人数过多。我们还确定了涉及机构的大量出版物，而这些出版物是我们所使用的全球研究机构数据库无法比拟的。这与新演员进入任务领域的想法是一致的。

在中工作的AI和非AI研究人员倾向于借鉴不同的知识体系。AI对计算机科学的引用比例是外部引用的五倍，而对医学的引用比例则低三分之一。即使我们控制了不同出版物所关注的中的主题，这些差异仍然存在。

通常，与相关的AI论文被引用的次数少于同一主题下的其他论文。活跃于任务领域的AI研究人员的数量也往往因其近年来收到的引用而被替代，其建立的记录较差。当我们比较从事同一主题的研究人员时，这个结果成立了，这表明它不仅仅是由不同社区和学科的引用行为的变化所驱动。

含义

我们的分析强调了包括AI研究人员在内的研究社区动员起来以应对大流行的速度。我们发现许多应用强大的AI算法来预防，诊断和治疗病毒的机会。同时，深度学习算法对大型数据集的依赖，难以解释其发现以及人工智能研究人员与医学和生物科学领域的相关知识体系之间的脱节可能会限制人工智能在与战斗中的影响。我们证明了AI研究在领域中的代表性不足，它专注于计算机视觉分析，这些分析可以发挥当前算法的优势，但需要在硬件上进行大量投资并需要改变医院的工作方式，

研究人员面临进入该领域的低门槛的风险也可能产生低质量的贡献，这使得很难找到有价值的研究并阻碍跨学科的贡献，而跨学科的贡献可能需要更长的开发时间。我们的发现发现，即使在相同的出版主题内，人工智能研究也往往比其他研究少被引用，并且进入该领域的人工智能研究人员的平均业绩较其他研究弱，这为这些担忧提供了支持。