收益：
- 能够使用人工智能进行文献摘要和科学写作草稿，并识别欺诈性引用的风险（假文章、错误的 DOI）
- 能够养成通过 DOI/PubMed 验证主要来源中的每个引文的习惯，并防止抄袭/捏造引文的风险
- 能够使用人工智能作为加速写作的绘图和语言工具，并采取将科学责任留给作者的原则
分子生物学和遗传学依赖于大量文献，每年都会增加数十万篇文章。变异的临床意义、基因的功能或方法的有效性都取决于已发表的证据。人工智能 (AI) 是筛选、总结和起草此类文献的科学文本的有力助手，但它也是该领域最危险的幻觉来源：人工智能可以伪造真实期刊中从未存在过的文章，作者看起来真实，署名格式良好。在本单元中，您将学习如何在文学和写作中安全地使用人工智能以及如何验证每个引用。
关键规则：未经亲自打开并验证来源，请勿使用 YZ 提供的任何参考文献。不要信任任何没有 DOI（出版物的永久数字 ID）、PubMed ID (PMID) 或直接出版商页面的署名。人工智能交付的标签可能看起来“太现实”；现实主义不是现实。
文学中人工智能的两个面孔
有用的一面：快速总结主题，简化复杂的文章，建议搜索术语，纠正手稿的语言，比较相互矛盾的发现。
危险的方面：捏造一篇不存在的文章（虚假引用），歪曲真实文章的发现，呈现过时的信息，就好像它是最新的，将来源“应用”到声明中。
因此，将人工智能作为文献综述的起点，而不是最终的结论。实际检索是在PubMed、Google Scholar、Europe PMC等权威目录中进行； AI的总结并不能取代这种搜索。
一步一步：安全文献工作流程
1. 澄清问题并利用人工智能提取搜索词。询问 AI“我应该在这个主题上搜索哪些关键词和 MeSH 术语（PubMed 的主题标签）？”问。
2.在权威目录中进行实际搜索。自己在 PubMed/Scholar 上搜索；不要依赖人工智能的“有这些文章”列表。
3.让AI总结你找到的文章。将文本（或摘要）交给 AI 并进行总结是安全的；因为你有资源。要求人工智能“凭记忆”讲述一篇文章是危险的。
4. 使用 DOI/PMID 验证每个引文。确认文本中包含的每个来源确实存在并支持该声明。
5. 在写作中使用人工智能是为了语言和结构，而不是为了生成事实。 AI有利于句子流畅性、段落组织、摘要大纲；但结果、数字和引用均来自您。
提示：验证引文的最快方法：通过 doi.org 打开给定的 DOI 或使用引号中的标题搜索 PubMed。如果它无法打开或标题/作者不匹配，则该引文很可能是编造的。
三个迷你箱子
案例 1——五分之三的参考资料是假的。一名研究生要求 AI 提供一段介绍性段落和 5 条引用。当他逐一检查DOI时，他发现其中3个没有在任何地方打开，1个属于另一篇文章，只有1个是正确的。该段落很流畅，但大部分消息来源都是捏造的。
案例 2 — 扭曲的发现。研究人员让人工智能总结了一篇真实的文章； YZ 写道，这篇文章说，“基因 X 导致疾病 Y”。当研究人员打开这篇文章时，他看到上面居然写着“基因X被发现与Y相关，但因果关系并未显示”。关联性和因果性之间的区别在科学上是至关重要的。
案例 3 — 获得确认。当一名博士生使用 YZ 建议的 MeSH 术语搜索 PubMed 时，他发现了一篇最近的评论，该评论是该主题的核心，但 YZ 的摘要中从未提及。 AI生成了搜索词（有用），但真正的发现是在权威索引中。
四个可复制模板
1）搜索策略：
你的角色：文献综述助理。建议在 PubMed 中针对以下研究问题使用搜索术语、MeSH 术语和布尔 (AND/OR) 组合：[问题]。文章列表；只需设置一个好的搜索查询即可。我会在 PubMed 上进行搜索。
2）总结给定的文本（我有来源）：
总结我粘贴在下面的文章文本/摘要：[文本]。区分：关键发现、方法、样本大小、约束。不要混合“相关性”和“因果关系”主张；准确引用文章所说的内容。不要添加文本中未包含的任何内容。
3) 引文验证清单：
我会给你这份参考文献清单。我需要验证的每个字段（DOI、PMID、期刊、年份、标题-作者一致性）显示为清单。您无法验证参考资料是否真实；我会与 DOI/PMID 确认，给我检查步骤。
4）科学语言修正：
更正以下段落的语言和流程，但使用事实、数字和参考文献。更改、添加、删除：[段落]。仅在语法、流畅性和科学风格方面有所提高。标记您更改的每个句子。
弱提示/强提示
弱项：“写一篇关于 CRISPR 在癌症治疗中的作用的 5 种来源的介绍。”
问题：人工智能根据记忆进行写入，可能会产生虚假引用；你看不到来源。
Strong：“建议我应该在 PubMed 中使用有关 CRISPR 和癌症治疗的搜索术语。然后我将提供 5 篇文章的摘要，我将找到并粘贴这些文章；仅根据它们起草一个介绍，将每个句子链接到相关文章。不要添加任何文本中没有的声明。”
为什么它强大：归因是真实的并且在您的控制之下；人工智能只处理它看到的文本。
任务
人工智能安全吗？
条件
建议搜索词
是的
你拨打电话
总结给定的文本
是的
让源头成为你的。
列出记忆中的文章
不
虚假引用的风险很高
语言/风格修正
是的
不要改变事实/参考
转移发现
小心
关系/因果关系区别
常见错误
- 使用未经验证的引用。最常见、最具破坏性的错误；虚假引用是对学术诚信的侵犯。
- 凭记忆索取文章。人工智能的“有这些研究”清单可能是捏造的。
- 将关系误认为因果关系。人工智能在总结时可以消除这种区别；回归本源。
- 假设及时性。 AI的知识在某个日期被切断；从索引中获取最新发现。
- 将事实生成留给人工智能。数字、结果和索赔必须来自您，而不是来自人工智能。
注意：如果您在撰写文章时使用了 AI，请检查您的期刊和机构的 AI 使用政策。许多期刊规定人工智能不能成为作者，并且其使用必须透明地说明。虚假引用是退出和学术制裁的一个原因。
深度：30秒内识别虚假报价
大多数虚假归因通过一些机械检查很快就会崩溃。逐步培养验证反射。首先，通过 doi.org 打开 DOI。真正的 DOI 将直接带您进入发布商页面；如果您收到“未找到 DOI”错误，则几乎可以肯定该引文是假的。其次，在 PubMed 中搜索带引号的标题。如果标题根本没有出现或者与人工智能给你的作者/期刊/年份不匹配，请保持怀疑——人工智能通常会将真实的标题归因于错误的作者或错误的期刊。第三，期刊年份一致性：人工智能有时会在不存在期刊的年份编造一篇文章（“2019 年发表”，但该期刊成立于 2021 年）。
一个具体的例子：一名学生要求人工智能提供支持变体致病性的引文。印记看起来很完美：一本著名的期刊，一个实际研究小组的名称，一个正式正确的 DOI。当 DOI 打开时，它出现了一篇关于完全不同主题的文章——人工智能将真实的 DOI 与虚构的标题相匹配。教训：仅仅“开放”DOI 是不够的；另请注意打开的页面的标题和作者是否与引文完全匹配。
一种特别危险的情况是：声称一种变体“以前被报道为致病的”。这一断言可能会转化为临床决策（例如 ACMG 中的 PS1/PM5）；如果它所依据的参考文献是虚假的，那么证据链就会彻底崩溃。每个临床体重参考都必须以最严格的方式并在两个独立的指标中进行验证。
5）引文交叉验证模板：
按顺序列出我为验证以下属性而进行的检查：[版本说明]。是否显示 DOI？它是否显示打开页面的标题/作者/年份？它是否与 PubMed 中的标题搜索一起出现？在每一步留下一个“通过/失败”框。您无法验证归属；给我清单。
综上所述
- 人工智能是文献综述和科学写作的有力辅助，但它也是欺诈引用的最大来源。
- 实际检索是在权威目录（PubMed、Scholar）中进行的； AI 的名单并不是最终的决定。
- 每份引文必须经过 DOI/PMID 亲自验证；应保留关系与因果的区别。
- 使用AI进行语言和结构；事实、数字和归属必须来自您。
应用任务
选择一个研究问题。使用模板 1 从 AI 获取搜索词，自己在 PubMed 上搜索，找到 3 篇真实文章。将这些总结给AI（模板2）。还要向人工智能询问“记忆中的 3 篇文章”并检查他们的 DOI——注意有多少是真实的。用一句话写出两种方法之间可靠性的差异。
清单
- [ ] 我用AI提取搜索词并自己进行搜索。
- [ ] 我在权威索引中找到了文章，我不相信YZ的列表。
- [ ] 我使用 DOI/PMID 验证了每个引文。
- [ ] 我在来源中确认了关系和因果关系之间的区别。
- [ ] 我仅将人工智能用于语言/结构，而不是事实生成。
- [ ] 我遵守了期刊/机构 AI 使用政策。