Badacze przeprowadzili eksperyment z 1000 agentami AI, które miały wybrać artykuły spośród 114 prac opublikowanych w American Economic Review w 2025 roku. Podzielili je na 10 grup po 100 sekwencyjnych agentów - w pięciu grupach system działał niezależnie, w pięciu miał dostęp do informacji o poprzednich wyborach innych agentów. Rezultat: gdzie agenty widziały społeczne sygnały, wybierały o 17,2 procent mniej artykułów na agenta i skupiały się na mniejszej liczbie prac. Niezależne grupy zbiorowo objęły 90 artykułów, a grupy ze społeczną informacją tylko 73.
W drugim eksperymencie z 200 agentami naukowcy losowo przydzielali pięć początkowych "wyborów" wybranym artykułom - taka sztuczna popularność zwiększała później szansę artykułu na wybranie o 45,55 punktów procentowych. To pokazuje, że nawet niewielkie początkowe sygnały mogą znacząco przesunąć uwagę całych populacji AI. Interesujące jest, że wybory agentów miały tylko skromną zgodność z rzeczywistymi cytatami artykułów i praktycznie żadną z liczbami pobrań.
Badanie ma istotne implikacje dla przyszłości nauki, gdzie AI coraz częściej uczestniczy w ocenie, rekomendowaniu i czytaniu prac naukowych. Jeśli sztuczne systemy ulegają tym samym efektom stada, które wpływają na ludzi, mogą one nieumyślnie amplifować trendy, marginalizować mniej popularne ale ważne kierunki badań i tworzyć echo chambery w świecie akademickim. Badacze opierali się na dobrze znanym eksperymencie Music Lab, który wykazał społeczną influencję w wyborach piosenek, teraz adaptując go do rynku naukowej uwagi.