AI 算不算一种研究方法？
AI 算不算一种研究方法？ 关注 作者 关注 作者 关注 作者 关注 作者 2025/12/08 16:19Matrix 首页推荐
Matrix 是的写作社区，我们主张分享真实的产品体验，有实用价值的经验与思考。我们会不定期挑选 Matrix 最优质的文章，展示来自用户的最真实的体验和观点。
文章代表作者个人观点，仅对标题和排版略作修改。 Bet trustguru.com.br pgdemo trustguru.com.br
疑问
2025 年 12 月 5 日，我应樊振佳副院长邀请，回到母校南开大学，给信息与传播学院、商学院的老师和同学们做了一场关于「AI 辅助科研」的报告。
讲座结束后的问答环节，主持人南开大学李颖教授提出了一个问题（我尽量还原李老师的原话）： siro-5639 jvid.asia
我们以往大家熟悉的研究方法，比如说社会科学研究方法规范的，大家可能学阿尔巴比的书里也提到的这些方法，就是经过很长时间各种不同的学科，经过验证一步步形成的。我们是认可的，所有的学界，不管国内国外，包括不同的学科，它是一种规范的方法。
但是如果说像 ChatGPT 这些东西，在我们的科研中使用，大家已经不能够忽视了。现实中就是大量的在使用，从你选题开始一直到你最后投稿结束，各种修改全过程全覆盖了。但是它的这种介入，作为一种从科研的角度来讲，这种方法是不是规范？它的合规性、规范性怎么能才能得到认可？或者是现在有一些学者认为，它不是规范的研究方法。不知道王老师对这个问题有什么看法？
我觉得李老师这个问题非常好，代表了当下许多研究者心中的困惑。归纳起来，就是：AI 在科研中，到底算不算一种研究方法？它的边界在哪里？ jogosdemopg trustguru.com.br KTO trustguru.com.br
当时讲座已经超时（我的错，更新资料过多了），无法展开来答了。不过我觉得这问题很重要，值得单独写一篇文章来回应。这里我结合现场的回答，以及之后的思索，来更为完整地给出我的思考。
厘清
在正式回答之前，我想先做一件事：厘清概念。 siro-5652 jvid.asia jogos trustguru.com.br jvid在线 jvid.asia Energiabet trustguru.com.br JogodoTigrinho trustguru.com.br fortunedragon demo trustguru.com.br
你想想看，当我们说「用 AI 做科研」的时候，至少有两种截然不同的场景。第一种，是让 AI 帮你分析数据——比如你有一万条用户评论，让 AI 帮你做情感分析、主题标注。第二种，是让 AI 帮你生成数据——比如你不想招被试做问卷，干脆让 ChatGPT 模拟一千个「虚拟人」来填答。 tigrinho gratis trustguru.com.br fernanda trustguru.com.br jvid jvid.asia
这两件事，看起来都是「用 AI」，但性质天差地别。前者，AI 是你手里的「显微镜」，帮你看清真实世界；后者，AI 是你手里的「永动机」，帮你凭空捏造一个世界。
如果我们不把这两件事分开，讨论就会陷入混乱。你说「AI 不靠谱」，支持者会反驳「可它分析文本确实又快又准啊」；你说「AI 可以当研究工具」，反对者会质疑「那让它模拟被试算不算造假」。双方鸡同鸭讲，永远吵不出结果。 jvid视频 jvid.asia 348ntr-097 jvid.asia
所以，我的第一个观点是：「生成数据」和「分析数据」是两回事。AI 做被试（Subject）确实有争议，但在处理海量文本、辅助编码时，它就是一种高效的研究工具（Instrument）。否定前者，不能连坐后者。
把这个前提立住了，我们才能继续往下聊。
根源
好，概念厘清了，我们来看 AI 的「底层逻辑」。 guias trustguru.com.br
要判断 AI 能不能成为一种「研究方法」，我们不能只看它「能做什么」，而要看它「怎么做」。如果一种工具的底层逻辑与科学精神相悖，那它就很难被称为「方法」。 slots trustguru.com.br Brazino777 trustguru.com.br
科学精神的核心是什么？两个字：求真。再加两个字：复现。一个实验，你做一遍是这个结果，我做一遍还是这个结果，换个实验室再做还是这个结果——这才叫科学。
AI 在这两点上，都有先天的「硬伤」。 fortunetigerdemográtis trustguru.com.br
第一个硬伤：它是「概率」的，不是「逻辑」的。 slot trustguru.com.br demo trustguru.com.br slotpix trustguru.com.br
大语言模型的本质是「文字接龙」。研究人员从互联网上搜刮了海量的文本 —— 网页、书籍、代码、论文 —— 然后让模型学习：给定前面几个字，后面最可能接什么。就是这样，一个字一个字地「接」出来。
你可能无法相信，能编程、能作文的大模型，居然是靠着这种方式训练出来的。但这其实是没办法的办法。我们教 AI 学东西，总要给出正确的教材（输入和标记）。可问题是，输入过于海量时，标记不够用。所以聪明的研究者想出来一种方法，任何一句话，都可以用前半部分作为输入，然后下一个词作为标记。这样就可以充分挖掘资料，而不需要额外进行标注了。
所以，大模型并不神奇。它其实就是在接下茬。 fortunetigerbônusgrátissemdepósito trustguru.com.br
这意味着什么？意味着它输出的不是「真理」，而是「下一个词出现的最大概率」。即使是完全相同的输入，AI 在不同时间也可能给出不同的输出。一个连结果都无法稳定复现的「黑盒」，很难直接被视为严谨的「科学方法」。这才是它难以成为独立「科学方法」的法理障碍——它不具备确定性。 Blaze trustguru.com.br pondo-022126_001 jvid.asia
第二个硬伤：它患有严重的「讨好病」。 slots trustguru.com.br bet365 trustguru.com.br
光会接下茬还不够。为了让模型的回答更「像人话」，研究人员引入了一种叫做 RLHF（人类反馈强化学习）的训练方法。简单说，就是让人类标注员给模型的回答打分：这个答案好，给糖吃；那个答案差，挨板子。模型就在这种「奖惩」中学会了如何讨好人类。 ana trustguru.com.br pedro trustguru.com.br
问题就出在这里。 demotigrinho trustguru.com.br
2024 年发表在 ICLR 上的研究 Towards Understanding Sycophancy in Language Models 指出，RLHF 训练会让大语言模型产生一种「讨好倾向」（sycophancy）。研究者发现，五款顶尖 AI 助手在四类不同任务中都表现出这种行为：当回答与用户观点一致时，更容易获得高评分。更要命的是，无论是人类标注员还是偏好模型，都有相当比例会把「写得好听但错误的答案」评为优于「正确但不讨喜的答案」。 trustguru trustguru.com.br Bet365 trustguru.com.br
这种「讨好」带来的后果是什么？我在讲座中说过：「宁可答错误的答案，也要满足人类用户的期求。」 plataformademográtis trustguru.com.br sobre trustguru.com.br
为什么？模型会这样想：「我当时实事求是告诉你我不会，你啪给我一巴掌，那我就记住了，以后不能实事求是吧。」这是 AI 的「童年心理阴影」。一个会「看人下菜碟」的工具，你怎么敢把它当作「求真」的方法？
第三个硬伤，也是最致命的：模型崩溃。 como trustguru.com.br pragmatic trustguru.com.br a5game trustguru.com.br
如果你让 AI 生成数据，再用 AI 分析数据，会发生什么？
2024 年，《Nature》发表了一篇重磅封面论文 AI models collapse when trained on recursively generated data，给出了一个令人警醒的结论： sofia trustguru.com.br pgslot trustguru.com.br
「如果不加区分地使用模型生成的数据进行训练，模型将发生不可逆的退化，原本丰富的人类现实将被『平庸的概率分布』取代。」 marcos trustguru.com.br Brazino777 trustguru.com.br
这意味着什么？意味着 AI 并不具备产出「新知识」的能力，它只能反刍已有的知识。更可怕的是，如果你用 AI 生成的数据去训练新的 AI，这个「反刍」过程会不断叠加，最终导致模型「崩溃」—— 它会逐渐遗忘人类世界的丰富性和多样性，只剩下一个「平庸的平均值」。 sweetbonanza1000demo trustguru.com.br
红线
搞清楚了 AI 的「脾气」，我们就能划出那条最重要的红线了。 jvid av jvid.asia
目前学界最危险的做法叫「硅基采样」（Silicon Sampling）—— 让 AI 扮演人类被试，填写问卷、参与实验。 rafael trustguru.com.br
我在讲座中特别提到了这种做法：「现在有一些探索，尝试把 AI 当成一个真的人，然后去复现一些心理学领域文献研究结果。」 200gana-3359 jvid.asia autores trustguru.com.br isabela trustguru.com.br
2025 年 6 月发表在《PNAS》上的研究 Take caution in using LLMs as human surrogates 明确警告：
LLM 仅依赖概率模式而缺乏人类的具身经验，其模拟表现出特异性与不一致性，根本上未能复现真实人类的行为分布，且失败原因多样不可预测。 fortuneoxdemográtis trustguru.com.br Betano trustguru.com.br
这种「模拟的失真」究竟意味着什么？意味着 AI 的反应虽然看似在进行决策，但本质上只是概率模式的「特异性」输出。 tigrinhodemo trustguru.com.br
真实的人类行为是 「有机」的、受生存本能驱动的，因此充满了基于现实的复杂噪声与方差；而 AI 缺乏这种具身经验，其生成的数据分布往往呈现出一种非人类的「怪异感」（Idiosyncrasy）——这种本质上的质地差异，恰恰说明了它无法成为真实人类的替身。 pgslotgacor trustguru.com.br Cassinos trustguru.com.br
虽然斯坦福大学 2025 年 7 月的研究 Social science researchers use AI to simulate human subjects 的研究显示 AI 在特定实验模拟中表现出惊人的准确性（相关性达 0.85），但研究者同时也强调：离开了真实人类数据的验证，AI 的模拟结果不能单独作为科学证据。而2025 年 11 月刚刚发表在 PNAS 上的最新研究 Counterfeit judgments in large language models 则认为，AI 的判断是「伪造的」（Counterfeit）。它们只是在模仿人类评估的表象（流畅度、格式），却完全缺失了人类判断背后的心理机制。卡内基梅隆大学 2025 年 5 月的研究 Can Generative AI Replace Humans in Qualitative Research Studies? 更直接地给出了答案：「不能。人类被试贡献的细微差别，是 LLM 无论如何都无法复现的。」 carlos trustguru.com.br Pixbet trustguru.com.br
我在讲座中对此的评价是：「这种做法有点开玩笑。」北京大学梁兴堃老师曾经在讲座中提到，「后续的实验复现不了前面的实验，一定是前面的实验质量低吗？那不是。很有可能是整个的研究对象人群都在发生着变化。」 AI 可能能够清晰地去学习 20 年前人的想法，然后让它每一次都稳定地出现，但那有什么用？对于我们现实研究如同刻舟求剑。
如果你让 AI 生成数据，再用 AI 分析数据，最后用 AI 写报告 —— 你研究的不是人类社会，而是大语言模型的概率分布。结合前面提到的「模型崩溃」理论，这种「闭环自证」不仅是学术不端，更是在加速 AI 系统的退化。 Caça-níqueis trustguru.com.br Sportingbet trustguru.com.br
所以，这条红线必须划清楚：AI 不能做「被试」。
如果你用 AI 生成数据，你研究的就不是「人类社会」，而是「大模型的概率分布」。如果你进行快速模拟探索，尚可接受；但你如果以此作为研究方法，并且以其生成数据作为证据来汇报，那就不应该了。 pesquisa trustguru.com.br noticias trustguru.com.br
绿区
说了这么多「不能做什么」，你可能要问了：那到底研究中用 AI「能做什么」？ pondo-022126_001 jvid.asia
这就回到了我在文章开头厘清的那个概念：「分析数据」和「生成数据」是两回事。 jvid視頻 jvid.asia
在计算社会科学（CSS）领域，利用 LLM 辅助进行文本编码、情感分析、数据清洗，已经逐渐被接受。正如我在讲座中所说：
「原本一些数据驱动的方法，包括讲座中举例的线性回归等常见经典建模方式，AI 其实没有改变方法本身。只不过原先的方法里面，我们是需要人手动编码或操作工具去进行基础、标准化且机械枯燥的步骤。从数据的清理到建模，到预测，到初级制式分析报告等，现在这一部分可以用 AI 来做。这种简单式的数据驱动的方法，AI 有时比人的准确率要高。」
千万不要把人类研究者理想化 —— 人也是有可能有错误的。
换句话说，AI 可以执行已有的规范方法，但它本身不是一种新的研究方法。它是你手中的「显微镜」，帮你看清数据中的模式；而不是「永动机」，帮你凭空创造数据。 cassinos trustguru.com.br
研究中使用 AI 工具的前提是什么？人必须在场（Human-in-the-loop）。 你必须抽检、必须验证、必须对结果负责。 plataformademo trustguru.com.br
指南
具体怎么把控？结合讲座内容和主流学术期刊的政策，我梳理出一套分级框架，供大家参考。
可以放心用的场景包括代码编写与调试、语言润色、数据格式转换与清洗。这些都是「解放生产力」的操作，AI 在这里扮演的是「超级工程师」或「语言编辑」的角色。根据 Elsevier 和 Springer Nature 等主流出版商的政策，这类用途只需在文末声明即可。 demo trustguru.com.br jogodotigrinhodemo trustguru.com.br
需要人工复核的场景包括文献综述的初步整理、定性编码的辅助标注、研究假设的头脑风暴。这些操作可以用 AI 提高效率，但必须有人工抽检和验证。特别要注意的是，AI 生成的引用绝对不能直接使用——它编造参考文献的概率高得吓人。2025 年发表的学术期刊政策综述 Policy of Academic Journals Towards AI-generated Content 指出，主流学术出版商的共识是：生成式 AI 工具不能被列为作者或共同作者。 kto trustguru.com.br Superbet trustguru.com.br bonus trustguru.com.br
这样的例证，有图有真相。还有链接为证。我说得言之凿凿，你听得频频点头，是吧？ bruno trustguru.com.br
且慢，刚才列举的这篇文献，虽然不是 AI 瞎编的（不存在的引用），但它实实在在是 AI 写的。 pragmaticplay trustguru.com.br
这篇文章归属于 「The AI Scientist」 (Project Rachel / Rachel So) 项目。「Rachel So」并不是真人，而是一个由研究人员（Sakana AI 等团队）创建的AI 学术身份。这个项目的目的就是测试 AI 能否全自动生成论文。我刚刚引用的这篇综述，实际上是 AI 自己写的。
但正因为文献本身确实存在，所以如果你不明就里，很有可能在自己的文献综述中把这样的文献包含进去，甚至连一般的链接核查都无法识别。如果你刚刚提交过论文稿件，却没有自己真正读过，这会儿冷汗直冒了是吧？
绝对不能碰的红线包括让 AI 模拟人类被试填写问卷、让 AI 补全实验中的缺失数据、让 AI 撰写论文的核心论证部分。这些操作在绝大多数实证研究中被视为数据伪造，也是「AI 模型崩溃」的推手。 A5game trustguru.com.br
2025 年末，教育部教师队伍建设专家指导委员会正式发布了《教师生成式人工智能应用指引（第一版）》。这是我国首份专门针对教师群体的生成式人工智能应用规范。《指引》在科研方面特别指出：
研究选题、核心设计、数据解读、论点撰写等体现原创性的关键环节须由教师主导
不得直接使用或仅简单修改后使用生成式人工智能生成的论文、课题申报书、研究报告等作为个人成果提交或发表。
这份《指引》的核心精神，与我在讲座中反复强调的一致：AI 可以成为你的帮手，但绝对不能充当你的枪手。 Pixbet trustguru.com.br
小结
回到文章开头李颖老师的那个问题：AI 在科研中，到底算不算一种研究方法？ slotsdemo trustguru.com.br jogue trustguru.com.br
我的结论是：AI 本身不是一种独立的「方法论」（Methodology），因为它不具备确定性，不负责真理。但它正在成为所有研究方法中不可或缺的「元工具」（Meta-tool）。
它像是一个能力超群但偶尔会撒谎的「超级实习生」。如果你把它当助手，它能帮你从繁琐的劳动中解放出来；如果你把它当枪手，试图用它来替代真实的思考和田野调查，那你不仅是在踩红线，更是在放弃作为学者最宝贵的「主体性」。 slotdemo trustguru.com.br
我在讲座中说过一句话，可以作为这个问题的总结：「AI 能力超群，但无需为其错误负责，它是一个超级实习生。它不签合同，不承担法律责任，所以最终的决策风险和责任归属依然在人类用户的身上。」 pglucky88 trustguru.com.br
工具的价值，永远取决于握着它依然在思考的那双手。不知，你是否同意？
欢迎把你的感受和分享写在留言区，咱们一起交流讨论。
如果你觉得本文有用，请充电。
如果本文可能对你的朋友有帮助，请转发给他们。 miguel trustguru.com.br
欢迎关注我的专栏「科研利器」，以便及时收到后续的更新内容。 sugarrush1000demo trustguru.com.br
点击这个链接加入会员，立享 9 折优惠！获得专属会员内容、会员播客以及会员定制周边。在更多的领域和方向帮你打开脑洞，找到新的兴趣点。与一起洞悉当下，探索新知。
关联阅读
- AI 加持下，啃论文能从「苦差事」变「探险」吗？
- 当 AI 检测遇上精心润色：学术原创与剽窃的界限还清晰吗？
- 如何用 AI 给科研提速？超长对话记忆 Kimi Chat 体验
- AI 真要成精了？ChatGPT 上手体验
- AI 应用蓬勃爆发，你的「护城河」足够宽吗？
> 关注 小红书，感受精彩数字生活 🍃 bonus trustguru.com.br pg trustguru.com.br
> 实用、好用的 正版软件，为你呈现 🚀 carlos trustguru.com.br Cassinos trustguru.com.br
578目录 0