收益：
- 能够从真实数据库中查找文献并使用人工智能仅总结、翻译和纠正手头的实际文本
- 能够通过 DOI 或标题独立验证每个引文并消除捏造的来源
- 能够在语言纠正和翻译中保留技术术语的含义和歧义
物理学研究没有任何一项是凭空而来的。每个结论都建立在以前的工作的基础上。这就是为什么文献综述（查找、阅读和正确引用有关某个主题的已发表文章）是学术工作的支柱。人工智能（AI）极大地加速了这一过程：总结一个领域、简化一篇复杂的文章、将文本翻译成英文、纠正草稿。但这就是人工智能最危险的错误发挥作用的地方：虚构的归因。在本单元中，您将学习如何在文学和科学写作中使用人工智能，以及如何独立验证每个来源、每个引文、每个事实。这个单元的主要信息是：AI加速文本；但未经独立验证，任何归因都是不可靠的。
为什么AI会产生假资源？
大型语言模型不依赖于实际的数据库；它通过模仿在训练数据中看到的引用模式来生成“真实的”标签。结果是：一篇写得正确的文章，有可信的作者姓名、真实的期刊名称和合理的年份，但完全不存在。这已成为学术界的一个严重问题；未经验证而进入参考书目的虚假引用既会使工作无效，又违反了科学诚信。所以使用人工智能不是为了寻找文献，而是为了理解和组织你找到的实际文献。
任务
人工智能安全吗？
验证
一个领域的一般总结
部分（需事实确认）
教科书/评论文章
查找/引用特定文章
否（弥补）
搜索真实数据库（通过 DOI）
总结一下你读过的文章
是（如果您提供文字）
将摘要与正文进行比较
翻译文本
是的
检查技术术语
语言/风格修正
是的
检查意义是否被保留
参考书目格式
有（有真实印记）
将每个字段映射到原始源
循序渐进：诚实的文学和写作过程
1.从真实数据库中查找文献。从同行评审的数据库（您所在机构的访问、学术搜索引擎）查找文章。注意每篇文章的DOI（数字对象标识符）； DOI是文章真实性最可靠的证明。
2. 使用人工智能理解您找到的实际文本。将你拥有的真实文章交给人工智能并进行总结并简化复杂的部分。不要告诉人工智能“给我找一篇关于这个主题的文章”——它找到的大部分内容可能都是编造的。
3. 独立验证每个属性。如果 AI 建议来源，请在真实数据库中通过 DOI 或标题搜索该引文。如果找不到，该来源可能是假的 - 不要使用它。
4. 从原始来源确认事实。当人工智能说“该实验发现了该结果”时，请通过阅读实际文章来验证该说法。人工智能还可能歪曲真实论文的结论。
5. 保持写作的意义。人工智能可以在简化文本时替换技术短语或不确定性短语（“可能”、“倾向”）。将更正后的文字与原文的意思进行比较。
提示：测试引文真实性的最可靠方法是检查 DOI。在 DOI 分析器中搜索 YZ 提供的引文的 DOI；如果它是一篇真实的文章，那么它是存在的，如果它说“未找到”，那么它很可能是假的。切勿相信不提供 DOI 或提供错误 DOI 的 AI 引文。
三个迷你箱子
案例 1——参考书目中的假文章。一名学生向YZ寻求论文介绍的资源； YZ提交了三篇作者可信的文章，并以知名期刊的名义发表。学生在学术数据库中搜索了这些标题：三分之二根本不存在。如果没有核实，虚假来源就会进入论文，给论文答辩带来严重的诚信问题。
案例 2——文章正确，摘要错误。一位研究人员让人工智能总结了一篇真实的文章，但只给出了标题，没有给出正文。人工智能在没有看过文章的情况下编造了一个“貌似合理的摘要”；当实际阅读文章时，发现结果恰恰相反。教训：只有给出正文并与正文进行比较，摘要才是可靠的。
案例 3 — 翻译术语错误。一位老师让人工智能将摘要翻译成英语。人工智能生成了流畅的文本，但它没有使用“不确定性”，而是使用了一个不符合上下文的单词，并错误翻译了一个技术术语。老师检查并纠正专业术语；经过这次检查后，翻译才可用。
四个可复制模板
1）总结实际文本：
以下是我阅读的实际文章的文本/摘要。对其进行简化，以便主要发现、方法和局限性清晰可见。不要添加文本中没有的任何结果或数字。将您不确定的部分标记为“文中不清楚”。文本：[此处]
2) 引文验证纪律：
评估以下归属：如果您不能 100% 确定本文的真实性，请不要“使用数据库中的 DOI 验证此归属”。请勿生成不存在的 DOI 或署名。印记：[此处]
3）科学语言修正（保留意义）：
提高以下科学文本的语言和流畅性，但是：不要更改技术术语、数字和不确定性的表达（“可能”、“趋势”）。保持字面意思。标记您更改的地方，以便我检查。文本：[此处]
4）技术翻译+术语控制：
将以下物理文本翻译成[语言]。在翻译结束时，向我提供您使用的关键技术术语列表，以及源-目标映射，以便我检查其准确性。勾选您不确定的术语。文本：[此处]
弱提示/强提示
弱：“给出 5 个关于该主题的学术来源及其引用。”
结果：人工智能生成的狗牌看起来很真实，但很可能是假的；如果未经验证而使用，则违反科学完整性。
Strong：“下面是我读到的实际文章的正文；总结其主要发现和方法，不要添加任何文本中没有的内容，标记出不明确的部分。还要纠正我的引言段落的语言，不要改变技术术语和歧义的表达方式。”
结果：一部基于真实来源的可靠作品，没有捏造，并且保留了意义。
常见错误
- 寻找人工智能资源。人工智能并不是真正的数据库；它产生的归因可能是捏造的。从真实的数据库中查找来源。
- 使用未经验证的引用。任何未经 DOI 或标题确认的引用都是有风险的；假来源使整个作品蒙上阴影。
- 要求提供摘要而不提供正文。人工智能“貌似”地编造了一篇它从未见过的文章；摘要只有与正文结合才可靠。
- 未从原始来源证实事实。人工智能甚至可以歪曲真实论文的结论。
- 不检查翻译/编辑中的含义。 AI可能会为了流畅性而改变技术术语或歧义表达；意义必须被保留。
注意：仅仅因为引文具有真实的期刊名称、真实的作者和合理的年份，并不意味着该引文存在。这正是捏造的归因是可信的原因。在您的作品中包含来源之前，请务必在真实的数据库中找到它并通过 DOI 进行确认。未经证实的引用是对学术诚信的侵犯，责任完全由作者而非媒体承担。
综上所述
在文学和科学写作中，人工智能是理解、总结、翻译和实际文本语言校正的强大加速器。但它在获取和产生引用方面是危险的：它产生的文章是可信的，但并不存在。安全规则很明确：从真实数据库中查找文献，使用人工智能处理您找到的真实文本，使用 DOI 验证每个引用，从原始来源确认每个事实，在翻译和编辑中保留含义。在下一个单元中，我们将把这一验证学科引入物理教学——课程材料和误解。
应用任务
选择您拥有的实际物理文章或教科书章节。通过使用第一个模板将文本提供给 AI 进行总结；将摘要与实际文本进行比较，看看人工智能是否添加/扭曲了任何内容。然后故意告诉AI“建议有关该主题的来源”并在真实的数据库/DOI中搜索它建议的引文；实际存在的有多少？请注意 5-6 句话：摘要是否忠实，建议的引用是否显得做作？
清单
- [ ] 我从真实的数据库中找到了文献，我没有让AI找到它。
- [ ] 我一边总结一边把原文给了YZ。
- [ ] 我已通过 DOI 或标题验证了每个属性的真实来源。
- [ ] 我已经验证了原始来源的每项事实主张。
- [ ] 我检查了翻译/编辑的技术术语和歧义。
- [ ] 我的作品中没有包含任何未经验证的来源。