Nature报导:研究人员如何使用 AI?科学领域利弊调查分析

编辑 | matrix人工智能正在重塑科研领域。 根据出版公司 Wiley 最新发布的一项大规模调查显示,研究人员普遍认为在未来两年内,AI 工具将在学术研究和出版领域获得广泛接受。 这项调查涵盖了来自 70 多个国家的近 5000 名研究人员,深入探讨了他们对生成式 AI 工具的使用现状和未来展望。

图片

编辑 | matrix

人工智能正在重塑科研领域。

根据出版公司 Wiley 最新发布的一项大规模调查显示,研究人员普遍认为在未来两年内,AI 工具将在学术研究和出版领域获得广泛接受。这项调查涵盖了来自 70 多个国家的近 5000 名研究人员,深入探讨了他们对生成式 AI 工具的使用现状和未来展望。

调查对象与现状

这项由 Wiley 公司于 2024 年 2 月 4 日发布的调查对全球 4946 名研究人员进行了深入调研,其中 27% 是早期职业研究人员。

报告链接:https://www.wiley.com/en-us/ai-study/ai-resources#download-report

调查结果显示,在第一波 1043 名受访者中,81% 表示曾出于个人或专业目的使用过 OpenAI 的 ChatGPT,但仅有三分之一的人了解 Google 的 Gemini 和 Microsoft 的 Copilot 等其他生成式 AI 工具。值得注意的是,各国和学科之间存在显著差异,中国和德国的研究人员以及计算机科学家在工作中更倾向于使用 AI。

图片

AI 能力评估与未来展望

调查发现,在给出的 20 多个示例用例中,超过半数的受访者认为 AI 在审查大量论文、总结研究发现、检测写作错误、检查抄袭和整理引用等方面的表现已经超越人类。

图片

约 72% 的研究人员表示希望在未来两年内使用 AI 来准备手稿,67% 的受访者有意愿使用 AI 处理大量信息,如协助文献综述、论文总结和数据处理。

图片

相比资深研究人员,早期职业研究人员对使用 AI 撰写资助申请和寻找潜在合作者表现出更大兴趣。哥本哈根大学研究生成式 AI 的学者 Sebastian Porsdam Mann 指出,AI 可能有助于缓解研究经验差异带来的挑战。

局限性与挑战

然而,研究人员对 AI 在更复杂任务中的能力持谨慎态度。虽然 64% 的受访者愿意在未来两年内将 AI 用于识别文献空白、选择投稿期刊、推荐同行评议人等任务,但大多数人认为在这些领域人类仍具有优势。

调查还揭示了研究人员在使用 AI 工具时面临的主要障碍:近三分之二的受访者表示缺乏适当的指导和培训,81% 的受访者对 AI 的准确性、潜在偏见、隐私风险以及训练方式的透明度表示担忧。

图片

针对这些挑战,约 70% 的受访者期望出版商能够提供明确的 AI 使用指南,69% 认为出版商应当帮助他们规避错误和偏见。阿德莱德大学重症营养师 Tejaswini Arunachala Murthy 建议开展类似全球强制要求的良好临床实践培训,以规范 AI 工具的使用。

结语

Wiley 公司 AI 增长团队的高级副总裁兼总经理 Josh Jarrett 表示,公司正在进行更多访谈并收集反馈,计划在未来几个月内发布更新的 AI 使用指南。这些指南将帮助研究人员更好地理解如何在研究中安全使用 AI,包括何时需要人类洞察以及应该做出哪些披露。正如 Jarrett 所说,当前的重点不是推荐具体工具,而是提供安全使用的一般性指导并分享最佳实践。

这项调查不仅展示了 AI 在学术领域的巨大潜力,也为相关机构制定培训计划和使用指南提供了重要参考。随着 AI 技术的不断发展,如何在保证研究质量的同时充分发挥 AI 工具的优势,将成为学术界面临的重要课题。

原文链接:https://www.nature.com/articles/d41586-025-00343-5

相关资讯

AI伪造论文渗透学术圈:Google Scholar成虚假科学温床,如何应对?

编辑 | 1984随着生成式 AI 技术的普及,学术界正面临着一个新的挑战:越来越多疑似由 AI 生成的研究论文正在渗透到学术期刊、档案库和知识库中。 这些论文通常借助 ChatGPT 等普及型 AI 应用来模仿学术写作风格,其危害不容忽视。 作为广受欢迎的学术搜索引擎,Google Scholar 在展示搜索结果时,并未区分这些可疑论文与经过严格质量把关的研究成果。

AI赋能蛋白质研究:SaprotHub让蛋白质AI模型训练和调用不再有门槛!

编辑 | ScienceAI近年来,AI 技术在蛋白质研究领域发挥了越来越重要的作用。 从 AlphaFold2 在结构预测任务上的脱颖而出,到各类蛋白质语言模型(PLMs)在功能预测方面的重大进展,生物研究者们可以利用各式各样的 AI 模型来辅助他们的研究。 然而,随着模型变得越来越复杂,如何训练和调用这些 AI 模型对于缺乏机器学习专业知识的研究者来说是一件非常具有挑战的任务,也因此限制了 AI 技术在实际研究中的应用。

从人才流失到智慧回流:AlphaFold 试图重塑非洲科研DNA

编辑丨toileter2024 年,诺贝尔化学奖再次强调了结构生物学在现代科学中的变革性作用。 它表彰了 David Baker 对蛋白质设计和 AlphaFold 开发的贡献。 AlphaFold 是一种最先进的 AI 工具,用于根据初级氨基酸序列预测蛋白质的 3D 结构。