收益：
- 能够使用人工智能，而不是作为证据来源，而是作为指南简化和搜索路线图的助手
- 知道人工智能可以伪造不存在的文章和来源，并能够验证原始来源的每一个参考和声明
- 能够通过“处理我发现的这段文字”而不是“提供信息”的方法来最大限度地降低产生幻觉的风险
助产学是一个不断变化的知识领域。昨天的真相可能已在今天的指南中更新；随着时间的推移，某种做法的证据会加强或被放弃。一名优秀的助产士能够看到“一直都是这样做的”和“目前的证据表明如此”之间的区别。循证实践（基于当前可靠的研究结果和指南做出护理决策）是助产服务的质量保证。人工智能在这里对两件事非常有帮助：简化和理解复杂的指南或文章，以及提供研究主题时应该查看的路线图。但这里有一个最关键的限制：人工智能不是证据来源；它是证据。它是通往源头之路上的助手。
在本单元中，我们将学习像“文学助手”一样使用人工智能，但永远不要直接依赖它产生的“事实”主张。 AI可以给你总结一项研究；但你要从原始来源核实该研究是否存在、它说了什么、是否是最新的。
请注意：大型语言模型可能会欺骗不存在的文章、作者、期刊，甚至伪造“DOI”（出版物的数字识别号）。这是证据筛选中最阴险的幻觉形式。因为编造的参考书目看起来很真实。在未找到原始来源之前，请勿使用人工智能给出的任何参考。
人工智能擅长做什么，不能做什么？
他们擅长什么（领先）：
- 将您拥有的指南/文章翻译成通俗易懂的语言并提取其要点。
- 建议您可以使用哪些关键字和哪些来源类型（指南、系统评论、专业组织出版物）来搜索某个主题。
- 标记与您的问题相关的文本部分。
- 用日常语言解释复杂的统计数据（例如“相对风险”、“置信区间”）。
他们永远不能做的事（不能替代资源）：
- “根据自己的记忆”自信地提供最新且准确的证据。 AI训练的数据被冻结在特定日期；稍后更新可能不会出现。
- 正确地展示索赔所依据的证据（可以弥补参考）。
- 确保指南的最新版本。
- 了解应用程序是否符合您所在国家/机构的适用协议。
一步一步：安全证据扫描
- 澄清问题：“在这种情况下，当前指南建议采取哪种做法？”提出一个具体的问题，例如：
- 使用人工智能制定路线图：询问要查看哪些来源、使用哪些关键字。
- 转到原始来源：卫生部指南、公认的专业组织出版物、可靠的数据库——开放来源本身。
- 让人工智能总结您拥有的来源：粘贴您找到的文本并说“仅根据此文本进行总结”。所以AI不会编造事情，它只是处理你面前的文档。
- 当前性和上下文控制：自行检查资源的日期及其是否符合您所在机构的协议。
- 决定：申请决定仍然属于助产士/医生；证据成为决策的输入，它不会取代决策。
第四步——“向人工智能总结你自己的文本”——是本单元的黄金法则。当你使用人工智能作为文本的处理器而不是信息来源时，产生幻觉的风险就会大大降低。
三个迷你箱子
案例 1 — 简化指南：助产士没有时间阅读最新的 60 页产前护理指南。他将指南的 PDF（公开的官方文件）交给 YZ，并表示：“仅根据这份文件，总结与助产士有关的主要主题和实际变化。” 20 分钟的工作变成 5 分钟。然后他从指南的相关页面一一确认了摘要中的三个关键点。 AI减轻阅读负担；助产士保证准确性。
案例 2 — 虚假参考书目捕获：第二位助产士告诉 AI 进行演示，“给我 5 项关于这个主题的最新研究。” YZ 按标题-作者-年份-期刊列出了 5 项研究；这一切都非常有说服力。当助产士试图从源头寻找每一件物品时，她发现其中两件根本不存在。他扔掉了这份清单，转而自己在可靠的数据库中进行搜索。教训：在找到来源之前，人工智能给出的引文被认为是“不存在的”。
案例 3 — 统计翻译：在第三个示例中，助产士无法理解实际研究摘要中的“相对风险 1.4（95% 置信区间 1.1–1.8）”陈述。他将表情粘贴到人工智能中并说道：“用日常语言向我解释一下，不要添加新信息。” “该事件发生在该群体中的概率约为 1.4 倍，而且这种增加似乎具有统计显着性，”YZ 解释道。助产士理解这个概念，但会评估在临床环境中的转化。
可复制模板
角色：你是文献路线图助理（不是信息来源）。问题：[具体的临床/实践问题]。任务：为了研究这个问题，（1）我应该寻找什么类型的来源（指南、专业组织、系统评价等），（2）我可以用什么关键词搜索，（3）我应该注意什么（当前情况，国家）？规则：具体研究/制作引用；只要告诉我去哪里看就可以了。
角色：你是源总结助理。任务：仅基于我在下面粘贴的文本进行总结。不要添加文本中没有的任何信息、数字或结论。如果您对某一点不确定，请写下“[文字中不清楚]”。单独列出与助产士相关的实际影响。文本：[粘贴文档]
角色：统计/术语翻译。任务：用助产士能够理解的日常语言解释以下句子。添加新数据/评论；只是简单化意思。如果不清楚，就说不清楚。句子：[统计/术语]
角色：您是验证检查助理。任务：列出下面文本中的每个证据声明和每个参考文献；在每一项旁边写上“[从原始来源进行验证]”。请勿评论；只提取需要验证的项目。文本：[文本]
弱提示/强提示
弱：“目前关于怀孕期间使用 X 的证据是什么？请提供来源。”
结果：人工智能从自己的（冻结且不完整的）记忆中产生过时的“证据”，可能带有捏造的归因。
强：
角色：文献路线图助理。怀孕期间X应用应该寻找哪些类型的来源和关键词，在最新性方面应该注意什么？具体工作/引文制作；只要告诉我去哪里看就可以了。
区别：强烈提示将AI置于路线图而非资源的角色；它可以防止您生成虚假引文并将您引导至真实来源。
人工智能在证据链中的地位
商业
人工智能
助产士
建议致电地点/方式
是的
拨打电话
总结我所拥有的文件
是的（只是那个文字）
真理
统计/术语翻译
是的
把它放在上下文中
从内存中导出当前证据
不
从原始来源找到它
引文/来源生成
没有（可以补）
他自己找到了源头
实施决定
不
助产士/医生
提示：当向人工智能询问证据时，请始终切换到“处理我自己找到的文本”模式。问题不应该是“给我找到证据”，而应该是“帮助我理解我找到的证据”。这种单一的心理变化消除了大部分产生幻觉的风险。
常见错误
- 误认为人工智能是信息源：人工智能不是信息源；而是信息源。他的记忆被冻结且不完整。
- 未经核实而使用引文：捏造的参考书目很有说服力；每个参考文献都必须来自原始来源。
- 假设是最新的：人工智能可能会将旧版本呈现为“最新”；日期由你掌控。
- 跳过国家/机构背景：通用证据可能并不完全适合您的方案。
- 不给出摘要的实际文本：如果你不给出文本，AI 会补上；总是说“只要依靠这篇文章”。
- 用证据代替决策：输入证据；申请决定权属于助产士/医生。
总之
在证据筛选中，人工智能是一个强大的路线图和文本处理器：它简化了指南，建议去哪里查看，将统计数据翻译成日常语言。但他并不是证据的来源——他的记忆被冻结了，他可能不完整，而且他可以编造归因。黄金法则：以“处理我找到的文本”模式使用人工智能，而不是“提供信息”；验证原始来源的每项声明和归属；检查自己是否处于最新状态并遵守机构的协议。应用决定始终属于助产士和医生。
应用任务
查找最新的、官方的、公开的助产/产前护理指南。使用摘要模板总结来源，说“仅基于此文本”，然后从指南的相关部分确认摘要中的三个关键点。然后向人工智能询问同一主题的“工作列表”，并尝试从其来源查找每个引文；注意实际存在的数量。这个实验体现了为什么你不应该相信人工智能作为一种资源。
清单
- [ ] 我使用人工智能作为路线图/文本处理器，而不是来源。
- [ ] 我给出了摘要的原始文档并说“仅依赖此文本”。
- [ ] 我已经验证了原始来源的每项归属和证据主张。
- [ ] 我检查了来源的最新性及其对机构协议的遵守情况。
- [ ] 我有意识地测试了是否是虚构的归因。
- [ ] 我根据临床判断而非证据做出申请决定。