人工智能在学术和研究环境中的使用引发了激烈的辩论。一方面，它被视为能够分析海量数据并提出假设的工具。另一方面，它引发了对工作原创性的质疑，以及可能生成偏见或虚构内容的担忧。本文探讨了这一问题的两个方面。
语言模型和数据分析在研究中的应用 📊
技术上，应用于研究的AI主要作为合成和处理助手运作。LLM可以审阅文献、提取研究模式并起草草稿。更专业的工具分析复杂数据集，识别可能被忽略的相关性。关键在于验证：AI的结果需要严格验证，因为模型可能幻觉来源或数据。
我的合著者是一个算法：幽灵作者的冒险 👻
这种情况很奇特。现在你可以有一个永不睡觉、不申请奖学金、唯一利益冲突是其训练偏差的合作者。你写一篇论文，在致谢中，你可能会想写：感谢GPT不抱怨加班。问题出现在你试图在参考文献中引用它时，你只能引用一个拥有1750亿参数的模型。同行评审变成审问：您的合著者能参加会议来捍卫方法吗？不，它只能生成借口。