有趣的事

大家都是怎么使用AI辅助科研的?

AI辅助科研更适合被当作“可核验的研究助理”,而不是替代研究者做判断。比较稳妥的用法,是把任务拆小,并明确输入、输出格式和核验标准。

在选题和文献阶段,可以让模型围绕一个明确问题整理检索关键词、同义词和可能涉及的学科,再据此去学术数据库检索原文。拿到论文后,可让它按研究问题、数据与方法、主要发现、局限性做结构化摘要,或比较几篇论文的方法差异。引用、作者、年份、样本量和结论都应回到论文原文核对;模型可能把相近论文的信息拼在一起,也可能生成不存在的出处。

在研究设计和分析阶段,AI可以协助列出变量定义、潜在混杂因素、实验流程中的遗漏,或解释统计代码报错、生成初步代码和可视化草稿。此时要提供足够但经过脱敏的上下文,并用小样本、已知结果或独立实现检查代码;涉及统计推断时,还要确认模型假设、缺失值处理、多重比较等是否与研究设计相符。让它提出反例和替代解释,通常比直接问“这个结果说明什么”更有帮助。

写作时可用于梳理段落逻辑、改善表达、检查术语一致性或翻译草稿,但事实、论证和最终措辞仍由作者负责。不要把未公开的受试者信息、可识别数据、审稿材料或受保密约束的内容输入未经批准的服务;也要遵守所在机构、期刊和资助方对生成式AI披露与作者责任的规定。若AI参与了实质性分析或文本生成,应按适用政策如实说明,并保留关键提示、输出和人工修改记录,便于复现与追责。

一个实用原则是:凡是会影响研究结论的内容,都要能追溯到原始数据、可靠来源或可重复的计算;凡是模型提供的灵感,则把它当作待检验假设,而不是证据。

相关阅读