在当今科研领域，从文献梳理的高效化，到学术文本创作的创新性激发，再到编程辅助的精准赋能，大模型 AI 展现出前所未有的潜力。
近期，Nature 聚焦这一热点，发布多篇有关大模型 AI 学术应用的经验文章，可为广大科技工作者提供参考。
ChatGPT 帮助我进行学术写作的三种方式
作者：Dritjon Gruda
doi: https://doi.org/10.1038/d41586-024-01042-3
Dritjon Gruda 说：“生成式 AI 可以成为写作、编辑和同行评审的得力助手——如果你负责任地使用它。”
精华摘要：
听说过房地产的口头禅，“地段、地段、地段”吗？在生成式 AI 的世界中，它是“语境、语境、语境”。
设置语境至关重要。倘若没有语境，你就不能指望生成式人工智能 针对某个问题给出有意义的回答。
①在学术写作中，生成式 AI 应用的关键在于提供上下文，使用时要先概述论文背景和主要论点，选择合适的工具（如 ChatGPT、Gemini、Mixtral 等）并给出精确指令，且要认识到与 AI 的互动是一个迭代过程，可用于完善论文内容和回应审稿意见，但 AI 只是辅助而非代写或审稿。
②在同行评审方面，可利用生成式 AI 组织和表达反馈，总结手稿要点后让 AI 按要求进行评审，但最终评审责任仍在评审者自身，要辨别 AI 建议的合理性。
③作为期刊编辑，利用 ChatGPT 可帮助撰写清晰、有建设性的反馈信给作者，提升反馈质量和编辑与作者间的沟通效果。总之，生成式 AI 虽带来挑战，但能提升学术写作、评审和编辑工作的质量，保留科学探究的核心要素并改善交流。
原文链接：
https://www.nature.com/articles/d41586-024-01042-3
ps:原文有版权，所在单位要有订阅nature，通过ip控制或VPN访问
科学领域中的聊天机器人：ChatGPT 能为你做些什么？
作者：Milton Pividori
doi: https://doi.org/10.1038/d41586-024-02630-z
Milton Pividori花了一年半的时间来研究如何在研究中最佳地使用 ChatGPT。在此，他着重强调了三个关键经验教训。
精华摘要：
文中着重分享了三个关键经验教训，一是要精心设计提示语，明确让模型做事的要求、设定角色、提供示例等；二是需找准合适的任务，区分人类擅长任务和AI擅长任务，像文献综述不同阶段 ChatGPT 的适用性不同；三是秉持 “多写少读” 的策略，使用聊天机器人来写作比用来阅读风险更低，因为让大语言模型（LLM）阅读文章时需完全信任它能准确提取要点（而自己可能不会亲自读文章），但写作时自己能把控输出、及时发现 “幻觉”（无意义或不准确内容）
原文链接：
https://www.nature.com/articles/d41586-024-02630-z
ps:原文有版权，所在单位要有订阅nature，通过ip控制或VPN访问
如何以负责任且合乎道德的方式在研究中利用人工智能的潜力
doi: https://doi.org/10.1038/d41586-024-02762-2
作者：Jane Palmer
人工智能正在推动科学各个领域的进步。但处于前沿的四位研究人员警告称，人们需要保持警惕。
精华摘要：
Ross King 回顾自身在 AI 领域经历，强调利用 AI 推动科学进步的同时要遵循伦理标准，警惕数据偏差与错误结论。Suresh Venkatasubramanian 关注 AI 工具的社会影响及算法公平性，参与制定 AI 权利法案蓝图，指出需明确其能力局限并合理应用。Nyalleng Moorosi 以非洲研究为例，凸显数据代表性对 AI 发展的关键作用，呼吁发展本地系统与数据集。Seydina Ndiaye 点明 AI 对非洲发展的潜力与风险，包括解决发展问题和面临被殖民化隐患，倡导尊重非洲数据权益，促进非洲在 AI 领域的创新参与。
原文链接：
https://www.nature.com/articles/d41586-024-02762-2
ps:原文有版权，所在单位要有订阅nature，通过ip控制或VPN访问
使用 ChatGPT 更好地编程的六个技巧
doi: https://doi.org/10.1038/d41586-023-01833-0
作者：Jeffrey M. Perkel
计算机科学家警告称，尽管这些工具功能强大，但它们并不像看上去那么智能。使用它们时要谨慎。
精华摘要：
聊天机器人其看似智能实则不然，本质像 “随机学舌鹦鹉”。基于此，文章为使用者提出六点谨慎使用的建议：一是依据任务特性选择应用场景，小型离散编程任务较适用；二是对其给出的代码要信任但需核实，注意排查简单错误及 “幻觉” 内容；三是关注代码安全性，因受训练数据影响，生成代码可能存在效率低、漏洞等问题；四是利用迭代特性，将编码视为对话，按需调整设置优化结果；五是采取拟人化策略，明确指令、细化问题、提供示例，引导其精准回应；六是顺应变化，鉴于 LLMs 持续进化、新工具不断涌现，使用者应紧跟步伐灵活运用。总之，ChatGPT 等工具虽强大但使用时务必审慎。
原文链接：
https://www.nature.com/articles/d41586-023-01833-0
ps:原文有版权，所在单位要有订阅nature，通过ip控制或VPN访问
