收益：
- 能够使用人工智能快速扫描当前的开发信息和方法，并通过将其连接到可靠的来源来验证每个声明
- 能够识别伪造来源、旧信息和时尚方法（证据薄弱的方法）的陷阱，并对证据水平提出质疑
- 能够理解AI输出是起点，最终来源是同行评审的文献和官方指南
儿童发展是一个快速发展的领域：新的筛查工具、更新的里程碑指南、不断发展的干预方法。保持最新状态是专业人士的责任。人工智能是一种捕捉这种时效性的快速工具：它在几秒钟内总结一个主题，比较方法，为“最后知道什么”这个问题提供流畅的答案。但恰恰这个速度隐藏着最大的陷阱。人工智能可以编造：通过添加真正科学家的名字来呈现不存在的研究、错误的统计数据，甚至是虚假的来源，就好像它是真实的一样。在本单元中，我们将介绍使用人工智能作为筛选起点，并通过将其连接到可靠的来源来验证每个声明。
首先是最关键的概念：幻觉。它是语言模型产生实际上并不存在的信息、来源或研究的能力，就好像它是真实的一样。该模型不“记住现实”；生成可能的单词序列。因此，它极有可能产生与真实来源非常相似但不存在的参考（“Yılmaz et al., 2019, Journal of Child Development”）。对于儿童发展专家来说，依赖虚假来源会损害职业信誉和儿童的福祉。
人工智能在哪里有用，在哪里危险？
人工智能是理解和构建主题的良好开端：它简化概念、建议搜索术语、总结文本、列出相反的观点。但它不是事实的来源：不要依赖它来获取数字、日期、研究结果、截止分数和来源。规则：用AI绘制地图，而不是挖宝藏。宝藏（真正的证据）存在于同行评审的文献和官方指南中。
安全使用人工智能
人工智能的危险使用
用通俗易懂的语言解释一个概念
假设统计数据是准确的
建议搜索词和主题图
引用来源未经核实
总结一篇长文
从中学习里程碑年龄
制定相反的方法
毫无疑问地接受方法的证据
证据水平和时尚方法陷阱
并非所有主张都是平等的；证据的水平很重要。单个案例的叙述并不具有与对许多儿童进行的重复、同行评审的研究相同的分量。儿童发育中的一个常见危险是流行方法陷阱：夸大而明确的承诺，例如“新方法将迅速纠正所有发育迟缓”几乎总是证据不足的迹象。真正的科学是谨慎的；诸如“它肯定能解决这个问题”、“这是一个奇迹”、“它对所有孩子都有效”之类的说法都是警告信号。
验证纪律：
- 分开索赔。在 AI 文本中标记每个事实主张和来源。
- 独立验证来源。源头真的存在吗？是否经过裁判？是最新的吗？直接看。
- 质疑证据水平。案例、研究、系统评价？
- 抓住炒作。对某些神奇的承诺持怀疑态度。
- 返回官方来源。国家/国际指南和同行评审文献拥有最终决定权。
注意：要求另一个AI“验证”AI给出的来源不是验证；两种模型可能会产生相同的错误。通过查看来源本身（期刊、指南、官方机构）进行验证。
提示：在总结 AI 主题时，明确指示“编造一个来源；如果不确定，请将其标记为‘必须验证’；如果不能给出明确的来源，则不要给出”。这减少了但并没有消除捏造来源的风险——您仍然需要验证它。
信息的及时性、新鲜度和利益冲突
人工智能的另一个限制是信息新鲜度。语言模型是根据特定日期之前的数据进行训练的；此后发生变化的指南、更新的里程碑列表或新方法可能不存在于模型“知道”的世界中。该模型可能会将旧信息显示为当前信息，但不会告诉您这一点。因此，尤其是“最新”、“最新指南”、“新品推荐”等问题，要看官方机构目前的出版物，而不是模型。模型给出了初始图；带有日期戳的真实来源拥有最终决定权。
另一个关键的过滤器是利益冲突。赞扬某种方法、产品或程序的内容背后可能存在商业利益。人工智能可以在不知不觉中重复训练数据中的营销语言，并将品牌或方法的主张冒充为公正的信息。在评估某个主张时，询问：谁在说这句话以及为什么？独立的、经过同行评审的来源还是销售方？独立证据与制造商的声明具有不同的分量。当涉及到儿童和家庭时，防止商业操纵的最佳保护措施是在每个环节质疑证据水平和来源的独立性。
注意：“新颖且革命性”的方法会带来双重风险，无论是在信息新鲜度方面还是在利益冲突方面：模型要么根本不知道，要么在营销语言中知道。在没有得到官方指导和独立同行评审文献证实的情况下，请勿向家人提出此类主张。
四个可复制的提示
1）安全主题摘要提示：
你的角色：选秀助理。简单为专家总结一下以下主题：【主题】。源接头；如果你不能给出确切的来源，就不要给出。将您不确定的任何事实主张标记为“[必须经过验证]”。最后，建议我使用 5 个搜索词在可靠的来源中搜索该主题。
2）声明来源提取提示：
在下面的文本中分别列出每个事实声明（数字、日期、研究结果、来源）。在每一项旁边贴上“独立验证”的注释。如果文中引用了来源，请提醒我应该检查该来源是否确实存在。文字：【AI输出】
3）时尚手法/夸张控制：
检查以下对该方法的描述：是否包含夸大或承诺某种治疗方法（“肯定能治愈”、“所有儿童”、“快速治愈”、“奇迹”）。勾选每一项。估计该方法的证据水平（案例/研究/审查/未知）并添加“从官方来源验证”警告。文字：[方法说明]
4）证据等级查询提示：
对于这一说法，请列出我在进行可靠评估时应该问的 5 个关键问题（例如，有多少儿童接受了测试、是否经过同行评审、是否重复、是否有土耳其样本、是否存在利益冲突）。不要编造答案；只需提出问题即可。声明：[文本]
三个迷你箱子
案例 1 — 伪造源。专家向人工智能询问干预方法的有效性。 AI 给出了流畅的总结，并表示“这在 2021 年的荟萃分析中得到了证明（Demir 等人）。”专家通过第二提示标记来源并独立检索；没有这样的荟萃分析。消息来源纯属捏造。在经过同行评审的事实来源验证之前，专家不会使用该声明。
案例2——时尚方法。 AI引用了社交媒体上流行的一种方法，“在几周内纠正所有发育迟缓”。专家通过第三个提示发现了夸大事实；这种精确性和概括性是证据薄弱的标志。查看官方指南和同行评审文献；该方法没有强有力的证据支持所声称的效果。不推荐给家人。
案例3——正确使用。一位专家想要学习一种新的筛查方法。使用人工智能构建主题并通过第一个提示检索搜索词；然后使用这些术语转到官方指南和同行评审的来源。人工智能绘制地图，专家从可信来源挖掘宝藏。结果：既快速又可靠。
弱提示/强提示
弱提示：
写出证明这种开发方法有效的研究来源。
问题：直接邀请AI制造资源； “证明它有效”充满了偏见；不提供验证。
强力提示：
客观地总结出以下方法：【方法】。分开利弊。源接头；如果你不能给出确切的来源，就不要给出；将每个事实主张标记为“[必须经过验证]”。最后，给我 5 个搜索词来在同行评审的文献中搜索，以及 3 个问题来查询证据水平。
常见错误
- 依赖捏造的来源：独立、直接验证每个来源。
- 将人工智能误认为事实来源：不要依赖它来获取数字/日期/截止分数。
- 忽略夸张：“它肯定能解决/奇迹”的说法是证据薄弱的标志。
- 使用两个模型进行“验证”：询问另一个人工智能并不是验证。
- 跳过证据级别：单个案例不具有与系统评价相同的权重。
综上所述
人工智能是构建、简化和启动当前信息搜索的强大起点；但这不是事实和来源权威。可以因幻觉而产生虚假的来源和统计数据。独立验证每项事实主张并直接源自同行评审的文献和官方指南；质疑证据水平；将夸大且明确的承诺（时尚方法）视为警告标志。 AI绘制地图；您从可靠的来源挖掘宝藏。
应用任务
选择当前的主题或方法。在第一个提示时获取安全摘要和搜索词。 2.根据提示从AI输出中提取事实主张和来源；至少搜索一个独立来源以检查其是否真实。 3. 根据提示进行夸张/时尚方法检查。请注意您发现的至少一个捏造/无法证实的来源和一项夸大的陈述；然后通过真实、可靠的来源核实该声明。
清单
- [ ] 我已经标记了每个事实主张和来源。
- [ ] 我有独立且直接验证的来源（期刊/指南/机构）。
- [ ] 我质疑证据水平（案例、研究、评论）。
- [ ] 我用时尚方法警告来对待夸张/精确的承诺。
- [ ] 我使用人工智能作为框架设备，而不是事实来源。
- [ ] 我没有使用另一个AI进行“验证”。
- [ ] 我根据同行评审的文献和官方指导得出最终信息。