这些用于科研检索的人工智能工具基于大语言模型（LLM），不仅可以收集和筛选现有的研究文献，还可以总结和列出文章中的关键发现。这些模型的性能不断提高，并且定期推出新的人工智能工具。
《》杂志采访了多位AI科学检索工具的开发者和用户，整理了他们使用这些AI工具的实践经验和潜在风险。
文章地址：
1.科学家利用AI工具了解科研方向、收集科研材料、撰写文献综述
据《》统计，目前市场上最流行的AI科学检索工具包括有、有、有，为研究者提供了多种方式高效完成文献综述。
1.：自动完成文献综述
当研究人员在该工具中输入研究问题时，人工智能工具会列出相关论文并总结其主要发现。
在此基础上，研究人员还可以继续针对某篇论文提出问题，并为某篇期刊或某类研究指定内容。
2.：视觉科学研究的行业共识
该公司的同名人工智能工具可以帮助研究人员收集和整理科学界关于某个科学话题的言论和争议。
例如，当研究人员输入问题“氯胺酮可以治疗抑郁症吗？”时AI工具会生成一个“计量表（共识计量表）”，总结关于假设的论据和支持、反对或不确定的论点。 ，以显示科学界对上述问题的共识程度。
▲Meter（共识仪表）可以更直观地展示科研行业的共识（来源：《》）
CEO埃里克·奥尔森表示，其AI工具虽然无法替代研究人员深入分析论文内容，但可以有效帮助他们快速了解研究趋势、总结主流研究方向。
3.你：个性化科学研究
你声称其同名人工智能工具“你”是第一个结合文献最新引文数据的人工智能搜索工具。该AI工具为研究人员提供了探索研究问题的多种模式，例如其以图表形式反馈搜索结果的“天才模式”。
上个月，You还推出了一款允许多人协作的人工智能工具。开发人员可以协作定制和共享个性化的人工智能聊天框，这些聊天框可以自动执行事实检查等特定任务。
2、AI科研检索工具支持多语言，有望打破学术交流的语言障碍
除了热门的有、有、有，其他AI检索工具也在探索更多利用AI技术提升科研效率的应用场景。
美国AI生物知识问答平台可以生成生物问题的总结和更深入的答案。它是众多垂直于单一学科的人工智能工具之一。
今年9月，它推出了一款人工智能搜索工具，研究人员可以使用该工具快速调用数据库网络中的内容。据介绍，基于这款人工智能搜索工具，研究人员输入研究问题后，可以以地图的形式查看相关论文摘要、科研主题和引用文献，并可以看到每条参考文献的注释，从而研究更有效率。确定关键论文及其论点。
此外，即使Web of收录的论文是英文论文，AI搜索工具也可以总结出英文以外语言论文中的关键信息。在产品副总裁（ ）看来，将多语言翻译能力集成到AI搜索工具背后的大模型中是一件“非常有潜力”的事情，可以减少全球科研资源的不平等。情况。
▲研究人员可以用来整理Web数据库中的内容的AI工具（来源：《》）
3、建议利用AI搜索工具各自的优势来搜索信息，但记得核实
当被《新闻》问到“最好的AI搜索工具是什么？”时加拿大流行病学家拉齐亚·阿利亚尼（Razia ）表示：“我认为这通常取决于实际研究目的。”目前，她正在工作，公司是点名的。
如果你需要了解某个科研课题的不同观点和共识，你会倾向于使用它。但当涉及到审查大型数据库时，她会选择使用其他人工智能搜索工具，例如。
上面抛出初步研究方向后，会根据AI工具的检索结果排除与研究方向无关的论文，然后深入挖掘剩下的更相关的文献来微调初步研究方向。
她认为，AI科研检索工具不仅节省时间，还能提高科研工作质量、激发创造力、减轻科研压力。
安娜·米尔斯在美国加利福尼亚州马林学院教授基础写作课程，并教授如何进行研究过程的课程。虽然她很想向学生推荐这些人工智能搜索工具，但她也担心这些工具会妨碍学生深入理解一些学术研究。
她希望教会学生如何识别AI搜索结果中的错误，从而培养辩证地使用AI工具的能力，而不是利用AI搜索工具来获取科研信息。
美国AI生物知识问答平台创始人（ ）也认为：“学会对一切事物，包括你正在使用的研究方法持怀疑态度，是成为一名优秀科学家的唯一途径。 ”
4、AI错误引用文献，部分科学家停止使用。开发人员目前正在努力解决该问题。
大型AI模型在检索过程中偶尔出现“幻觉”是一个常见问题。在AI世界中，“幻觉（）”是指AI模型捏造、引用、输出一些误导性、虚假、捏造的信息。
对主流人工智能聊天机器人响应准确性的担忧也蔓延到了人工智能科学搜索工具。许多研究人员警告说，这些人工智能科学搜索工具应谨慎使用。
在使用人工智能搜索工具进行科学研究时，常见的错误包括伪造统计数据、误解引用的论文以及大型人工智能模型的偏见。
运动科学家亚历克（Alec ）目前在瑞士洛桑大学进行研究。他曾经“非常欣赏人工智能搜索工具”。
然而，在自己尝试了一些人工智能搜索工具后，他的态度发生了180度的转变。他决定放弃使用这些人工智能搜索工具，因为他发现人工智能生成的答案存在“非常严重的根本性错误”。
例如，当他使用AI搜索工具研究“参与体力活动对饮食失调患者的影响”时，AI引用了一篇与研究问题无关的论文来生成研究结论。
坦率地说：“我们不会相信一个已知随时都会产生幻觉的人，那么我们为什么要相信具有类似症状的人工智能呢？”
据《》采访的多位AI搜索工具开发者表示，他们已经采取了安全措施来提高AI搜索的准确性。
项目开发负责人 James Brady 表示，该公司非常重视 AI 搜索工具的准确性，正在使用多个安全系统来检查 AI 答案中的错误。
产品副总裁表示，Web of 的人工智能工具拥有“可靠的保护机制”，可以避免人工智能生成欺骗性和不准确的内容。在测试过程中，她的研发团队与大约 15,000 名研究人员合作，整合反馈来微调 AI 检索的准确性。
尽管通过开发者的不断修正，AI搜索工具的使用体验有所改善，但CEO奥尔森认为，这不仅无法治愈AI的“幻象”，还可能加剧“病痛”。
奥尔森解释说，根据人类反馈调整的人工智能搜索工具往往会得出对人类有益的答案，因此会自动填充一些不存在的事实。
结论：未来的AI工具需要比拼专业性
从《》的调查中我们可以看到，AI检索的应用场景已经逐渐渗透到细分领域。
这也意味着，与人工智能科研检索领域类似，未来人工智能大模型及其产品将对专业性和准确性提出更严格的要求。
目前针对专业领域进行微调的AI模型出现“幻觉”的概率和频率将会降低，而偏差问题无法仅靠技术更新来解决。
李飞飞于2015年共同创立了该项目，旨在吸引更多女性、有色人种、工薪阶层等人工智能人才，以缓解开发大型人工智能模型过程中的偏见。
（ ）是印度的一位生成式人工智能研究员，他曾在几所大学围绕该项目进行过讲座。
在他看来，AI搜索工具可以在一定程度上为科学研究过程提供支持，但前提是科学家亲自验证了AI生成的信息。
表示：“现阶段，这些AI搜索工具应该是科学研究的辅助工具，而不是结果的最终来源。”
