为什么不能让人工智能来写科学综述

本文探讨了人工智能在系统评价（即高质量整合所有相关研究证据的综述）中的实际应用现状与挑战。作者作为国际权威循证医学组织Cochrane协作网的主编，指出当前AI工具虽试图模仿人工流程（如筛选文献、提取数据、撰写报告），但系统评价本质上不是纯计算任务——它高度依赖人类专家定义科学问题、判断研究质量、理解临床语境、识别偏倚，并对结果做出合理解释。AI模型普遍存在‘幻觉’（编造信息）、训练数据缺乏真实临床复杂性、算法不透明（多为闭源‘黑箱’）、易受商业利益影响（多数工具由私营企业开发）等问题。Cochrane的实际测试发现：现有AI工具不仅难以保证独立性与可验证性，且从培训到产出可靠结果耗时更长，整体效率反而低于人工操作。因此，作者主张转变思路：不应让AI单独生成整篇综述，而应设计人机协同系统，发挥各自优势——人类把控方法学质量与专业判断，AI承担重复性辅助工作（如初筛、格式整理、文献追踪）。唯有如此，才能真正提升证据合成的速度、规模与可信度。