作者：蔡依橙

最近熱議的那篇 Lancet 讀者投書，整個過程實在很令人感慨。

跟學術比較不相關的討論，我這邊就跳過了。我能理解，剛起步的研究者，希望自己名字登上頂尖期刊的心情。但這個案例剛好可以說明，刊登出來白紙黑字後，是會被全世界檢驗的，包括自己的本國同行，大家連 supplementary materials 都會去看。

AI 的建議用法與注意事項

這讓我想到的是，最近有越來越多的新手同學開始使用 AI 工具，包括萃取資料、文獻引用等等，簡單下個指令都能瞬間噴出大量文字與資料，但我個人對這些進階的應用領域比較保守。

我認為，目前 AI 工具最可靠的是翻譯，但即使是翻譯，之後我一定會全文自己仔細看過。偶爾還是會有錯，而那些錯通常來自於給 AI 的中文就已經不精確。這個領域的可靠度，可以到 99％左右。

但直接請 AI 去做文獻引用，這個正確率雖然最近有提升，但大概就是從全部亂講，到四成亂講的程度。也就是 60％左右的準確性。

而 PDF 萃取資訊的能力，更是慘不忍睹。雖然網路上總有一些很成功的案例，但你真的去嘗試過，就知道那相當不可靠，我們自己同事還遇過，你給他這篇 PDF 請他介紹內容，結果 AI 生出了與 PDF 內容完全無關的細節。

糟到這種程度，你每次都要手動檢查，還不如一開始自己讀摘要，自己去看看圖表找數據。

水能載舟，亦能覆舟。

這幾年，是 AI 最紅的時候，所以如果有人說，AI 什麼什麼做不到，就會被人打臉，說「應該怎樣怎樣用」才對。「是你不會用，不是 AI 做不到。」

但事實是，你如果真的去怎樣怎樣用，例如自己寫程式串接 API，或者使用進階推理功能，這些所花掉的時間還不如自己看。而且用 API 或進階推理生出來的東西，也沒辦法保證正確，你還是得要自己檢查一次。

只要是壓上自己名字的作品，稿件中的每一個字跟數字，所有的文獻查核、數據查核，都得要自己手動處理過。

如果，資訊是錯誤的，又幸運登上頂尖期刊，那才真是麻煩的開始。就像過去一週的風波一樣。壓上名字的是「你」（不是 AI 或其他人），全世界批評的是你（不是 AI 或其他人）。

像這次造成這樣的風波，建議可以找位資深研究者，瞭解學術界習慣且對文獻資訊引用很細膩小心的長輩，協助確認並擔任 correction 的指導，應能把這次風波有效平息。而該醫師所屬醫院，也在事發後快速發表正式聲明，正式致函期刊社要求撤稿。

認識正確的資料萃取法、統計法、研究論文書寫方法，很重要。

只有如此，那麼多的工具，才能為你所用。而不是被工具搞砸自己的名聲。