用 AI 做研究与文献综述

文献综述是研究中最耗时的环节之一：找到相关工作、理解它、综合它，并把你自己的贡献放置其中。AI 承诺要大幅压缩这份工作量，而它在许多实在的方面也确实做到了。它同时也引入了一种在研究中尤为危险的失败模式——自信地捏造出根本不存在的来源。在这里用好 AI，意味着既要抓住那份真实的提速，又要建立起把捏造挡在工作之外的核查习惯。本文要谈的正是这种平衡。

AI 真正能加速研究的地方

诚实地说，它带来的好处是可观的。AI 极擅长理解阶段——拿来一篇晦涩的论文，迅速得到一份用平实语言写就的方法、主张与局限的解释。在综合你已收集材料这件事上，它也很强：把一组你信任的论文喂给它，让它梳理出其中的分歧、共有的假设以及尚未解决的问题。而在帮你进入一个陌生领域、勾勒其全貌与术语、让你知道接下来该搜什么这件事上，它也确实有用。

这些用法有一个共同结构：AI 帮你处理和组织那些你已经确认其存在的材料。这正是它的甜区。它把一堆论文转化为结构化的理解，远比从零开始硬读要快得多；而对一名进入新领域的研究者来说，仅这份方向感就能省下数周时间。这份提速是真实的，出于原则一概拒绝，等于把实实在在的价值留在桌面上不要。

捏造问题不是你能忽视的小毛病

现在说危险。当被要求提供来源时，AI 模型能产出看起来完全真实的引文——貌似合理的作者、可信的标题、听起来像真的发表场所、格式齐整的参考文献——而这些论文根本不存在。这不是偶尔的故障；它是这些系统生成流畅文本方式的一个可预见的后果。它们产出的是引文"应该长什么样"，而这与检索到一条真实的引文并不是一回事。

在研究中，这尤其具有腐蚀性。一条溜进文献综述的捏造引文，会瓦解整项工作的可信度；而与含糊的论断不同，它具体到足以被核查、被抓住——被审稿人、被编辑，或被下游的任何人。让捏造显得可信的那份流畅，恰恰也是让它危险的东西：它看起来不像个错误。把 AI 提供的每一条参考文献都视为未经核实，直到你亲自确认它确实存在，这不是多疑，而是底线。

把"帮我理解"和"帮我找来源"分开

最有用的一种心理划分，是把两种截然不同的任务区分开来。请 AI 帮你理解、比较或综合你提供的材料，是低风险的——你掌控着输入，也能拿输出去对照眼前的论文。而请 AI 凭它自己的记忆去"找"来源或提供引文，则是高风险的，因为捏造正是住在那里。

在工作流程中把这两者分开。在你信任其来历的材料上，尽可放心地把 AI 当作阅读与思考的伙伴。但在发现来源和引用文献这件事上，要把 AI 的输出当作待核实的线索，绝不当作可直接引用的答案。正确的模式是：让 AI 指向可能存在什么、或该去找什么，然后在真实的数据库或图书馆里独立确认这个来源确实存在、且确实说了 AI 所声称的内容。这道核实不是可有可无的额外开销；它正是让那份速度变得安全的部分。

核实主张，而不只是核实其存在

抓出捏造的引文只是问题的一半。更微妙的错误，是 AI 对一个真实来源做了不正确的概括——一篇确实存在的论文，但 AI 夸大、颠倒或张冠李戴了它的结论。一份建立在准确引用、却误记其主张之上的文献综述，依然是错的，只是更难被抓住，因为参考文献本身核对无误。

所以核实有两层。第一，确认来源存在。第二，亲自读相关部分，确认它确实说了 AI 所说的内容。第二道检查，正是把谨慎的研究者和粗心的研究者区分开来的地方。AI 对一篇论文的概括，是关于其内容的一个假设，可用于导航，却不可用于引用。任何你打算署名的东西，你都应该读得足够细，细到能为之辩护。让你核查的深度与主张的分量相匹配——论证依赖越重的地方核查越重——这正是诸如 NIST AI 风险管理框架（NIST AI Risk Management Framework）之类的风险框架所倡导的"按比例监督"的习惯。

AI 无法替你完成的判断

文献综述中有一部分根本不是检索或概括：判断。哪些论文对你的问题真正重要。鉴于方法的质量，哪些结论值得信任。这些碎片如何拼进一个属于"你"的论证。这是研究的智识内核，也恰恰是 AI 无法替你完成的，因为它需要理解你具体的贡献以及你所在领域的标准。

这让人安心，而非受限。AI 可以扫清机械性的负担——阅读、定向、第一遍综合——好让你把稀缺的注意力用在真正构成学术的判断上。一个把判断外包给 AI 的研究者，产出的是流畅而肤浅的文献综述。一个只外包机械性工作的研究者，则以更短的时间产出同样的深度。这工具是用来干活的，不是用来替你思考的。

一个能安全捕获价值的工作流程

经得起检验的实用模式是：通过可信渠道收集来源——数据库、图书馆、你已核实过的参考文献——而不是从 AI 的记忆里取。用 AI 去消化和综合这些已确认的材料，让它解释、比较、揭示其中的张力。把 AI 给出的任何引文都当作一条线索，需对其存在与内容做独立确认。任何你打算引用的东西，都要细读。而把那些判断性的抉择——相关性、质量、论证——留给你自己。

这样做，AI 就能压缩文献综述中缓慢、机械的部分，而不污染结果。你既拿到了速度，又守住了诚信。被反噬的研究者，是那些因为输出看起来权威就跳过核实的人。从中受益的，是那些把 AI 当作快速但会出错的助手、对它的每一条事实性主张都要求一次核查的人。

总结

AI 确实能加速研究——理解、综合，以及在新领域中确立方向——但它捏造引文的逼真程度，足以在你信任它们时毁掉一篇论文的可信度。其中的纪律是一道干净的划分：在你已核实过的材料上尽管放手用 AI，绝不信任它独自去找或引用来源，并同时确认每个来源确实存在、且确实说了 AI 所声称的内容。把那份定义学术的判断留给自己。守住这条线，AI 就能把数周的文献综述变成数天，且不付出代价。一旦放手，单单一条凭空捏造的参考文献，就足以把整项工作推倒。