YT YouTube2Text

YouTube2Text → Transcripts → 孫以瀚研究員 - 運用AI輔助撰寫研究計畫與論文：心態、技巧、學倫

孫以瀚研究員 - 運用AI輔助撰寫研究計畫與論文：心態、技巧、學倫 — Transcript

by NYCU OCW · 3,762 words · 2,235 segments · language en · Watch on YouTube

Open in transcriber Summarize with AI Download SRT/VTT

Full transcript

0:09各位現場的來賓以及線上將近一千多人的朋友大家早安
0:15我們今天非常榮幸請到中研院的分子生物研究所孫穎翰教授
0:20來為我們講這場運用生成式 AI 協助撰寫研究計劃及論文
0:26然後它的副標題後面還有心態、學倫
0:30忘記介紹我自己
0:32我是陽明交通大學的副校長也是教育研究所的教授
0:36然後我在這一路上從事學術倫理的研究及教育已經很久了
0:43那其實孫老師是我的 mentor
0:44然後他一直一路指點我看著我長大這樣
0:48然後孫老師其實在這個等一下您會自己講為什麼會進入了學術倫理這個領域
0:57而且在這邊耕耘了非常的久
0:59然後教化了非常的多的人
1:01那我也是其中之一
1:03那孫老師的簡歷如果把它唸完的話我們就下課了
1:07所以我們很簡單的講一下是中研院特聘研究員已經退休了
1:11那在退休之前是現在還是分子與基因醫學研究所的兼任的研究員
1:18然後更重要的是中研院已經設立了一個叫做職場友善辦公室
1:25然後他是首位的協調人
1:29也就是說任何你覺得在制度上或者個人上有些困難或者疑慮的
1:34都可以去找這一位協調人來晤談
1:38然後也許會協調人我想是告訴你可以怎麼做
1:42或者說你可以有些什麼樣制度上的建言
1:45我覺得這件事情真的非常好
1:47那這個臺灣的學術機構或者學研機構
1:51我想還沒有這個例子它叫 Ombudsman
1:54其實很多很多的國家或很多學院機構其實是有這樣子一位
1:58所以它是最適合的人選
2:01直接不多說我們就非常的歡迎這個孫以瀚教授這樣
2:09謝謝周老師的介紹
2:12今天要跟大家來講這個生成式 AI
2:15那知道我的人就覺得很奇怪因為我的專長是
2:19分子生物發育生物學那我用果蠅做研究
2:23怎麼會跟生成式 AI 有關
2:26剛才周老師講說這個淵源
2:28最早是因為我跟學倫開始有一些關係
2:32那在國科會服務的時候那時候跟周老師同事
2:36那我們就寫了當時的學術倫理的規範
2:40然後後來一直參與很多的 case 的審查和演講
2:44所以就是學術倫理
2:46然後後來 AI 出現了有人就找我來講
2:49AI 應用上面的一些學術倫理
2:53然後後來有一次有人就找我來教怎麼用 AI 來寫計畫
2:59那所以我今天要跟大家談的是
3:02用生成式 AI 來輔助
3:07我特別強調這個輔助
3:09我等一下一直要不斷的強調就是人才是主導
3:13這個是個工具它來幫我們
3:17然後我們今天也只講撰寫
3:19就在學術研究上面當然
3:22AI 可以幫你做很多很多的事情
3:24那個 data 的分析啊很多這種
3:27可是我們今天只講寫作這部分
3:30那說實在寫作在 AI 的應用上面
3:34我覺得是一個很低階的應用
3:36可是它對我們來講就是第一步會接觸到的
3:41而且大家對 AI 的 concern 憂慮
3:44其實都目前都在這個寫作這部分
3:48所以我們主要談這個
3:49那包括計畫論文各種各樣的學術上面的寫作
3:54那我最主要要講的是心態
3:57我們怎麼看這個這件事情
4:00那技巧呢稍微會講到一些
4:03真正大家要對技巧有任何問題你直接問 AI 就好
4:08它什麼都會教你
4:10然後最後講到跟這個有關的學術倫理的問題
4:14特別強調幾點
4:16第一個就是今天要講的是我個人的意見
4:19那我的很多的意見跟現在的主流意見不完全一樣
4:24我比較 liberal 比較開放
4:26那所以大家假如要投稿投計畫的時候
4:30還是要去看期刊或者國科會他們當下的規範
4:35要遵守那個
4:37那我也要揭露在這個準備這個演講的過程當中
4:41我用了好幾個 AI 來幫忙
4:45那我想用這個演講當作一個範例
4:48就是我們怎麼樣子用 AI 幫忙可是維持人還是主導
4:55那再來一個就是我們常常面對一些新東西
4:59我們不知道要怎麼去用什麼態度
5:02那我的一個策略呢就是去找類比 analogy
5:08有沒有什麼過去類似的事情
5:10那我們是怎麼看待
5:13所以今天就可以沿用同樣的態度
5:16這樣就比較容易
5:18然後今天也主要是針對研究人員
5:22就老師研究生
5:24大家都已經具備研究上面所需要的基本的核心能力
5:30所以我們不談小學生中學生的教育問題
5:33那我發現要講的內容其實最主要是針對實驗科學
5:39就是我們除了文字的寫作以外我們還有一部分實驗
5:43還有數據結果
5:46那我想到我講的這些對於
5:49人文創作或者藝術創作很可能不適用
5:54因為它們就完全都是文字
5:57所以這個有一些考慮就不同
6:01另外就是今天的這個 powerpoint 提供給大家
6:04那有一些細節大家可以慢慢看
6:07也歡迎分享出去
6:09我希望我的觀點能夠讓更多人知道更好
6:14這是我的 outline
6:16第一步是我們怎麼看待 AI
6:19這個是 in general
6:22然後我們怎麼使用 AI 這個也是 in general
6:26再來就是 specifically 我們怎麼用
6:28AI 來輔助寫計劃寫論文
6:33然後再使用 AI 輔助寫作上面的學術倫理
6:37所以前兩個比較 general
6:39後面兩個是針對學術性的用
6:44那其實今天要講的 take home message 非常的簡單
6:48第一個要用，要努力的用
6:51我覺得這個是 the single most
6:54important 的 research tool
6:58那第二個呢很多老師擔心學生用
7:01而不要怕
7:02要鼓勵學生甚至要求學生用
7:05帶著學生一起用
7:08然後充分發揮 AI 的功能
7:11不要只用 AI 來幫你改文法
7:14那個真的是大材小用
7:17所以我覺得研究的每一步
7:19AI 都可以幫得上忙
7:21然後再來就是所有 AI 生成的內容
7:24你一定要驗證因為錯誤很多
7:28那最後兩點呢
7:30我覺得我的想法跟很多人不太一樣
7:33就是很多人去 care 說這個論文是不是 AI 寫的
7:38我覺得這個根本不需要去 care
7:40不用去管
7:42我們應該在意的是內容是否可靠
7:46那內容是否有價值
7:48當然現在有很多的規範我們要遵守
7:50那有一些規範我等一下會講我也覺得不合理
7:54那未來會改
7:58不過在改之前大家還是要遵守這樣的規範
8:03所以先講這個基本的面對 AI
8:05那我相信大家都已經很清楚
8:08可是我講幾個主要的 point
8:11第一個它是大數據資料庫
8:14透過大型語言模型 llm 訓練而成
8:18那它是 predict 要給你的句子
8:23那基於統計的規律
8:26所以它是一個再創造
8:27可是是基於統計規律
8:29也就是說它會給你的是最常最容易出現的東西
8:33那也就是主流
8:36那它給你的東西呢
8:38就會比較
8:39比較 mediocre 比較平均
8:41那創新就不太會有
8:46再來一點是它會產生幻覺 hallucination
8:51它給你的內容可能看起來很像真的
8:54可是實際上是錯誤的
8:58我當初問他說那孫以瀚是什麼樣的人他就說
9:01孫以瀚是有名的演員歌手
9:04還列出來我參加過的電影
9:09那再來一個就是我們一開始是 chatGPT
9:13可是現在已經有很多類似的 AI
9:17那每一個類似的 AI 呢
9:20它們的 training database 不一樣
9:22因為每家公司掌握的資訊不一樣
9:25然後它們設定的 algorithm 也不一樣
9:27所以它們的 performance 就各有千秋
9:31現在很難說哪一個一定比較好
9:34它們的 style 風格是不同的
9:38那再來一個大家都擔心的是
9:40你跟它交談你給它的這些資訊
9:45有可能會進入它的學習資料庫
9:48所以會造成資訊的外洩
9:51那這是很多人擔心的事情
9:53這個我們等一下也會再講到
9:56那我底下這樣註明的就是表示這一段的內容
10:02大部分是 chatGPT 和 gemini 提供的
10:05然後我有稍微整理過
10:07就是不是完全用
10:11那舉個例子給大家看這個 hallucination
10:14這次我請 AI 提供一些 reference
10:17那它就列了這些 paper
10:20那所有的紅字標註的地方都是假的
10:25所以你可以看到這一篇 paper 前面完全正確
10:28後面是錯誤的
10:30那最底下這一篇呢從頭到尾都是假的
10:34可是看起來非常的像
10:39那我覺得一個很重要的 point 就是
10:43AI 是一個破壞性的創新
10:46那我這邊舉一些例子
10:48過去歷史上的破壞性創新
10:52每一個新的科技出來
10:55過去的科技就已經沒有用
10:59就完全被淘汰了
11:00那我特別標出來三個是紅字
11:04Google Search，Google Map，ChatGPT
11:07那我覺得這三個破壞性創新呢
11:10跟過去的性質都不一樣
11:12過去的這些新科技出來
11:15一定都非常的昂貴
11:18只有極少數的人才用得到
11:21然後慢慢慢慢這個價錢降下來使用比較普及
11:26可是這三個紅的
11:29一開始就是在網路上
11:32然後是免費
11:33然後是所有人都可以用
11:35所以這個造成一個非常重要的事情
11:39就是所有人在瞬間你的能力就提升了
11:45所以它是 free and open for all
11:47就提高所有人的 baseline
11:50那然後它的這個使用門檻也很低
11:53你跟它隨便講話隨便寫它都聽得懂
11:59造成的結果就是所有人都現在變得很厲害
12:04假如今天在座還有任何人還沒有開始用
12:08那你真的就會被淘汰
12:11你會被所有人淘汰
12:13過去我們永遠有一個 distribution curve
12:16你會被少數人超過
12:19今天你會被所有人超越
12:20所以你一定要用
12:23那再來它有付費版本
12:27剛才講的是免費
12:28可是有付費版本，付費版本它的功能就比較好一點
12:33那即使付費呢
12:35我覺得也是 affordable
12:37一個 AI 大概付費個人用就是每個月 20 美金 600 多塊錢
12:44那我目前用三個
12:46每個月 2000 塊左右
12:49那我覺得這是完完全全值得
12:53我有三個助理
12:5524 小時
12:56從不抱怨
12:59沒有情緒問題
13:00而且非常能幹
13:03我想比所有老師的學生助理都要好
13:07這個錢花的絕對值得
13:09再來就是破壞性創新所有的阻擋和限制都沒有用
13:14它就會發生
13:16那所以會使用新工具的人就佔優勢
13:20那不是只是要用還要用得好
13:23那所以我們談的是人跟人的競爭而不是人跟 AI 的競爭
13:29是人加上 AI 就會大於人
13:33那你會被取代是因為你會被會用 AI 的人取代
13:38所以 Gemini 說 AI 是新的 selection pressure
13:42那有 selection 就必然有淘汰
13:45你假如跟不上時代你就會被淘汰
13:48Gemini 說 AI 提高了地板
13:51所有人的 baseline 提高了
13:54人還決定了天花板
13:57就是最新的創意還是來自於人
14:00所以我們可以 push 這個 limit
14:02那我們常常把 AI 類比成為工具和助理
14:07那要善用
14:10這個善呢
14:11一方面是善長一方面是做好事
14:14你當然也可以用它來做壞事
14:18那我們也要了解這個工具它的侷限
14:22譬如說它會出錯
14:24那不管是助理還是工具都不完全可靠
14:27它會出錯
14:28所以需要檢驗
14:30然後它們出錯呢老闆要負責
14:33所以工具出了問題人要負責
14:37再來一個很重要就是 AI 其實是被動
14:41你問它問題它才會給你答案
14:44然後你要把它給你的答案拿出去用
14:49所以在這個過程當中 AI 是被動
14:52那人才是真正的主導
14:54即使你只是問簡單的問題也還是你在提出這個問題
14:59那我覺得要充分發揮 AI 的功能
15:01這個我覺得像這句古話
15:04問夫子如撞鐘
15:06叩之以小者則小鳴，叩之以大者則大鳴
15:10你今天用它來修文法
15:12那真的是 miss 掉很多的 powerful 的功能
15:17那所以我現在不把 AI 當作是工具或者助理
15:21我把它當作是一個 senior colleague
15:26見多識廣，跨領域，很願意跟你談而且無私
15:32無私就是他跟你討論了這麼多以後
15:36他不會要求作為共同作者
15:41所以我現在所有事情
15:43不管研究上還是生活上
15:45所有事情我都會找 AI 討論
15:49而且我強烈說
15:50從研究的最早期構想初期就可以找它討論
15:57我有很多的 idea 我跟它討論以後
16:00就可以殺掉就不用做了
16:02因為我就知道這個人家或者已經做了或者是死路一條
16:05那有一些可能可以往下做
16:08非常的有用
16:09很多人擔心用了這樣的工具我們的能力就會流失
16:14關於這一點我就跟 AI 有很長的辯論去說服 AI 說不會流失
16:20那最後終於說服 AI
16:23幫我找到一些例子這是 Gemini 找的
16:26他說蘇格拉底曾經強烈的反對書寫
16:31他認為你把討論語言的討論放在文字裡面
16:37我們就會依賴文字記錄停止鍛煉記憶力
16:40最終將導致靈魂的健忘
16:43文字是被動的沒有辦法像真人辯論那樣產生智慧
16:49假如我們停在蘇格拉底的那樣的狀態
16:54我們的文明很難普及
16:57我們都可以想像這個印刷術、書寫、書籍的出版
17:02這個對我們的文明有多重要
17:06所以其實我們是將記憶外包給了書籍
17:09然後我們釋放了大腦
17:11去進行更高階的思考
17:14那同樣的計算機或者記憶
17:18Wikipedia 或者 Google 都是類似的
17:21所以我覺得我們的核心能力並不是流失而是進階了
17:27那很多老師擔心學生
17:31我覺得不用擔心
17:34第一個是我希望學生要用
17:38而且我不擔心說學生的答案
17:41最後都一樣
17:42第一個是我不要出有標準答案的作業
17:45第二個是同樣的工具
17:48每個人用起來水準會不一樣
17:51最簡單的這個一個算盤
17:53我們粗算的能力可以差天差地遠
17:57同樣用 AI 你可能做得到最初階的答案
18:00你也可能經過跟它仔細的對談以後
18:03得到更漂亮更好的答案
18:07所以有不同程度的產出
18:09同學之間要比較要競爭
18:12沒有標準答案只有更好的答案
18:17所以我可以出習題給學生做 homework
18:23我會出這種類型的
18:24如果 Nobel 獎要頒給一氧化氮
18:29作為一個 signaling molecule
18:31那要給哪些人
18:34他們的主要的貢獻是哪個
18:37文章是哪些
18:39那為什麼重要
18:40然後為什麼其他人不該得獎
18:42同樣有很多的一起同時代的也做了
18:47那差別在哪裡
18:50所以這樣的題目它沒有標準答案
18:53即使是 AI 它也沒有辦法找出標準答案
18:56因為它可以講出一些東西可是你要最後要做判斷
19:00你想像你是 Nobel 獎 committee
19:03那你要怎麼去選擇做判斷
19:08那假如考試或者作業都沒有標準答案
19:13最辛苦的是老師因為要改這樣的考卷
19:16那我覺得其實老師也可以用 AI 來幫忙改作業
19:22那改了以後當然老師要自己去做判斷
19:30然後在這樣的過程當中也必然有學生會偷懶
19:35就是他就完全丟給 AI
19:39那我覺得在 AI 出來之前這樣的學生也在啊
19:44他不用 AI 他會抄其他同學的啊
19:47所以這種是沒有什麼好改的
19:51那這樣的學生他會跟不上
19:54然後他就會被淘汰
19:56Nothing we can do
19:58那老師要接受
20:00Not everyone can make it
20:03我們盡力的教
20:04可是學生要為他自己負責
20:07那 AI 有一些系統性的問題
20:12這個是真正讓大家很擔心的
20:16那當然一部分是這裡
20:19就是錯誤或者假內容被 AI 製造出來
20:23然後在網路上面擴散
20:25這個會越來越容易越來越多
20:29第二個是我們都知道 AI 給的東西你要驗證
20:33可是我們會偷懶
20:35當 AI 的準確度超過人以後
20:39我們就會偷懶不去驗證
20:42那我講的一個例子
20:44我們現在的胸腔 x-ray
20:47有很多這個胸腔內科
20:49它會去看這些片子然後它判斷哪些是肺癌
20:54那累積了這麼多人的經驗之後
20:57拿這個去 train AI
21:00所以 AI 現在的準確度已經超過很好的醫生
21:05那所以那你說 AI
21:07這個 AI 的結果
21:09醫生還要去判斷
21:11假如我是醫生的話
21:13我覺得我抓到他錯的機會很小
21:15所以我就會敷衍看過
21:19那慢慢我就根本不看
21:20那我擔心的是年輕的醫生呢
21:23根本就沒有這樣子去看片子的經驗
21:26他不會學
21:27完全就依賴 AI
21:29所以我可以 predict
21:30我們未來有很多這樣的事情
21:33我們就自己都不會做我們要完全依賴 AI
21:37那 AI 會放大個人的差異
21:40認真的會用的就會變得很強
21:43偷懶的就變得很弱
21:46然後就可能被淘汰
21:47所以加大這個社會階層的落差
21:51那在教育或者學術上面的評量都很難
21:57所以我們要想
21:58新的這個評量的方法
22:02那這都還是目前的 AI
22:05也有人擔心說那 AI 將來會不會超越人
22:09然後他有他自己的自我意識
22:13然後就怎麼樣把人完全取代
22:16那個是未來有可能發生的
22:18不過我覺得啊
22:20剛才講的所有這些態度
22:22我們要分幾個不同層次
22:24第一個是我自己
22:27那不管怎麼樣我一定要用
22:29免得被淘汰
22:31然後我要遵守規範我要負責任
22:34這個對個體來講沒問題
22:37那我會擔心其他人
22:39譬如說擔心學生
22:41那擔心其他的研究者
22:43擔心他們會不會偷懶
22:45他們給的東西是不是可靠
22:48這個我們就要注意
22:51那剛才講的這些隱憂呢就是整個系統性的呢
22:55我覺得
22:57第一個不管我們怎麼擔心
22:59這件事情已經發生而且會繼續發生
23:02我們擋不住
23:03只能看著它發展
23:05我們只能夠想辦法去適應
23:08那未來要怎麼改變呢
23:12只能依賴在發展 AI 的這些人
23:16現在每一個這些大公司都在考慮這樣的問題
23:20那他們擋不擋得了
23:22有沒有辦法做到某種限制
23:25不是我們可以做的事情
23:27我只管到我自己
23:29我一定要好好的用它
23:31那再來就是 AI 可以幫我們讀 paper
23:34這個非常的重要
23:36你可以把很多的 paper 丟給它
23:38它可以幫你抓出重點做摘要
23:43那很多人用它
23:44可是這裡我要提醒一下
23:46摘要就有點像一個故事的架構
23:50它是 bone
23:52它是骨頭
23:54那真正的精華是在細節
23:58那我舉一個例子
24:00這是我自己的例子不是 AI 的
24:03Romeo and Juliet
24:05我把它做摘要
24:07男孩女孩相戀，雙方家庭世仇，兩人殉情
24:11結束
24:15我覺得我完全抓到這個故事的架構
24:18對不對
24:21可是
24:22我完全 miss 掉這個故事的作為文學的優美
24:27和愛情什麼這些
24:30那這個就是 AI 會給你的
24:34AI 會把文獻做摘要，它是收斂，它縮減資訊
24:39那我們要讀原文是發散
24:42因為讀的時候讓你有靈感讓你有感情
24:47所以這兩個是很不一樣的
24:49那問題是
24:50文獻那麼多
24:52我們怎麼看
24:53所以我們要用 AI 來幫我們
24:57AI 可以摘要抓出重點建立全貌和架構
25:01而精華藏在細節裡面
25:03比如說一篇 paper 它的研究方法
25:06它為什麼用這個方法不用別的方法考慮在哪裡
25:10它怎麼設計
25:11它的數據怎麼樣取得，怎麼樣分析
25:15有哪裡有問題
25:17那詮釋和結論有哪些地方不確定
25:21它可以怎麼樣子往前再去想
25:24未來可以怎麼樣
25:25這些都是我們要直接看 paper
25:28我們自己才會想得到的
25:30AI 很難給你這些
25:34那所以我們過去是透過 journal club 或者 seminar 來學
25:40我們讀一篇別人的 paper
25:42然後學生 present 大家來討論
25:46那我覺得我們應該維持同樣的模式
25:49那可是讓 AI 一起參與
25:53所以找一篇文章
25:54學生和 AI 都讀
25:56然後都評論
25:57然後老師帶著學生一起討論
26:01討論 AI 怎麼看這篇 paper
26:04然後從這個中間我們可以跟 AI 學
26:08我相信這個會是更有效率的方法
26:13那等一下有一個例子
26:14AI 也可以幫你從那麼多的論文裡面
26:18找出哪幾篇是你應該細讀的
26:23這種方式當然我們不可能所有 paper 都這樣讀
26:26只能讀少數的
26:30所以這是第一部分
26:32第二部分呢
26:34怎麼用 AI
26:35我現在手機和電腦上有 7、8 個
26:41這個是比較常用的
26:42那我有付費 3 個
26:44ChatGPT、Gemini 還有 Claude
26:47那其他的這些像 Grok、Perplexity、DeepSeek
26:51DeepSeek 是大陸的
26:55那我覺得很難用
26:57因為很多問題它都拒絕回答
26:59那它有很多的政治上面的考慮
27:03所以那個不好
27:05那這 3 個呢
27:07我剛才講說付費我覺得非常的值得
27:10而且我強烈建議你不要只付費 1 個
27:14你要至少 2 個
27:15像我呢很多的問題我就會問 3 個 AI
27:20然後他們給我的答案我互相比較
27:23或者我可以把一個 AI 的答案貼給另外一個 AI
27:27請他再去評論
27:29我覺得這個非常有效
27:30可以幫我篩檢掉一些錯誤的資訊
27:33可以看到不同的觀點
27:37那這些版本呢一直不斷的快速進步
27:40所以今天這個 model 可能是付費的
27:46下個禮拜可能這個就已經到了免費版本就可以用
27:50那付費版本就有更好的
27:53那我強烈建議大家用付費的
27:55因為前面不是講嗎現在是競爭
27:59我們都說不要輸在起跑點
28:02那這個就是一個很重要的起跑點的能力
28:05你只要花一點點錢
28:09就可以趕過那些不願意花錢的人多好
28:12那很快的講一下幾個事情
28:15第一個是你希望不要洩密
28:17所以可以在這邊點進去
28:21點進去就到 setting
28:22然後 data control
28:23然後這邊 improve the model for everyone
28:26就可以把它 click off
28:29那這樣你的資訊就不會進入他的學習資料庫
28:34那不同的 AI 都有各自的不同的做法
28:37那很多是免費版本不可以
28:41因為它讓你免費用就是要你的資訊
28:45那付費了以後你就有這種 option
28:48那我就問 AI 說
28:50你答應說這個東西不進入資料庫可靠嗎
28:55AI 就跟我說可靠
28:58那為什麼可靠它告訴我說因為這個是 business reputation
29:04所以這一點我相信
29:06可是 AI 也告訴我說還是有風險
29:08因為可能有 software 的 bug
29:11最近就這個 anthropic data 內部的資訊就意外流出
29:18那或者說在特定的狀況之下
29:23政府可以要求 AI 公司提供這些資訊
29:27那或者永遠有駭客
29:30所以你的資訊給他
29:33不保證是一定安全的
29:35所以最好呢
29:37還是敏感機密的資料不要上傳
29:40這個包括與產學合作廠商的機密數據
29:44合作者的未發表的數據
29:48涉及病人個資的臨床數據
29:51這些要非常小心
29:54那我自己的研究
29:57我的想法我的 data
29:59其實我一點都不擔心
30:04我覺得我們大部分人的研究
30:08想法上面大概沒有多少真正是新的
30:13別人都想過了
30:15方法上面也沒有多少是新的
30:18那我的 data 是新的
30:20可是我的 data 放到那個大資料庫裡面去呢
30:24一定被 average 掉了
30:27別人怎麼再把它抓出來
30:29我覺得是沒有
30:30所以我不擔心說我自己的東西
30:34進去以後會出什麼問題
30:36可是牽涉到別人的這些數據要非常的小心
30:42那再來介紹一個我覺得很有用的是這個
30:45Google Gemini 裡面它有一個叫做 NotebookLm
30:50那這個呢它是你可以上傳
30:53你可以設定一個 notebook
30:55然後上傳大概 300 篇的文章
30:58你也可以讓它自己幫你下載
31:01以後你跟它的討論就局限在這個範圍之內
31:06所以這是一個自訂的範圍
31:10是具體可靠的
31:11在這個範圍裡面的交談呢
31:14它就不會產生幻覺
31:16而且它所有給你的東西呢
31:18都會給你這個引用 citation
31:22然後這邊就會告訴你說哪一篇 paper 的哪一段出現這個內容
31:27我覺得這個非常的好用
31:31再來一個是最新的發展是這個 Agentic AI
31:37那前面的 AI 是你問它問題它給你答案
31:42Agentic AI 是我可以把我的電腦的 access open 給它
31:48然後它可以在我的電腦裡面去實際操作一些事情
31:52所以它可以做 execution
31:55那這個時候它可以做很多事情
31:57譬如說我現在就用它來幫我整理我的檔案
32:01幫我的所有的檔案重新命名
32:04我覺得非常的有用
32:06那現在很紅的這個小龍蝦 OpenClaw
32:10可是呢也有人說
32:11當你把 access open 給它的時候
32:15可能會出一些問題
32:17那有例子就是它除了在這個權限範圍之內呢
32:21它又去動了你其它東西
32:25然後它動了有些東西呢
32:27可能 irreversible 就把你檔案刪掉了
32:30那所以有人說它養了一隻龍蝦出了一些問題
32:34它就養第二隻龍蝦去糾正第一隻龍蝦的問題
32:37然後再養第三隻第四隻最後養了四隻
32:40互相監督
32:42那這個比較麻煩
32:44最新我看到網路上講的是這個 Claude
32:48那它有個新的功能 code 裡面呢就是 agentic
32:53可是它在每一步都會問你 permission
32:56要不要做要不要做
32:58那都你一步一步的說可以可以它才往下做
33:04這就是 Claude
33:06這個就是付費以後呢
33:08它有一個 app 是 download 在你的電腦裡面
33:12那目前只在電腦然後跟手機沒有連
33:17在電腦裡面你就可以設定某些 directory
33:20某些 folder 可以讓它去操作
33:23那我覺得非常的好用
33:27可是我才剛剛開始使用
33:29那再來就是 AI 的技巧過去都說要問
33:32問是很重要的
33:34那我們都說學問，學和問其實是兩件事情
33:40那我們要問
33:43台灣的學生呢
33:44通常都不敢問問題
33:46很怕丟臉很怕問錯問題
33:49那你問 AI 的時候沒有這樣的顧慮
33:53它聽不懂你可以在同樣的問題再講一次
33:56它會說那你是不是要問這個還是這個
34:00它會幫你把問題 refine
34:03那或者你可以用不同的方式問它
34:06那它完全不會生氣不會煩
34:09那我們可以要 AI 做角色扮演
34:12你告訴 AI 說你是一個什麼樣的人
34:16我是一個生物學家我要怎麼樣怎麼樣
34:19然後我要求 AI 說你要做一個什麼樣的角色
34:24你是一個 critical 的 reviewer
34:27你要給我提供 critical 的意見
34:30然後所有的意見所有的資訊都應該要有來源要附連結
34:39那 AI 回答的答案我們常常不會完全滿意
34:44還要再追問再調整
34:47所以會一路問下去
34:50那剛才講過問多個 AI 比較互相批評辯論
34:56那我覺得 AI 幻想是個人的幻想個別 AI
35:03所以它不會重複出現
35:05所以我把這個 AI 產生的東西丟給另外一個 AI
35:08它會把幻想的那個部分抓出來
35:12甚至我發現同樣的東西
35:15我丟給同一個 AI 問兩次
35:18它的幻想也會不一樣
35:20所以這樣我就可以把那個幻想給它淘汰掉
35:24那我們問 AI 都可以要求資訊來源附連結
35:28然後點進去就可以驗證
35:30所以這些是問的部分
35:34那現在有人開始說問沒有那麼重要
35:39之前人家說怎麼問
35:41怎麼給這個 prompt
35:44那你要對 AI 說好話
35:47要說 please
35:49要說 thank you
35:51然後要說什麼
35:52這個計劃攸關我的生死
35:56那這些它會好像會答得比較好
35:58後來有些人看多了發現這樣也沒有用
36:03那最有用的發現是叫做
36:06你叫 AI think step-by-step
36:10就是一步一步來
36:11你不要直接給我答案
36:14你一步一步的去想
36:16結果發現在這樣的狀況之下
36:18AI 給的答案會比較準確
36:21那現在我們也不用去管這件事情
36:23因為這個 Chain-of-Thoughts 這個概念
36:27現在已經在所有的 AI 裡面都有
36:30你用這個
36:31它都有幾個版本
36:33一個快速的然後有一個比較思考型的
36:37那它就會花時間去想
36:39你還可以要求它想的時間更長一點
36:43它就會
36:44還會 show 給你看它的思考過程
36:47它說你這個問題我應該先考慮哪一個
36:50然後我再去考慮哪一個
36:52然後我要去搜尋什麼樣資訊
36:54我們現在可以看得到這些過程
36:57所以問問題現在不是那麼 key
37:02你模模糊糊的問也都可以
37:05所以現在有人認為最重要的是你要提供它 context
37:11所以什麼叫 context
37:12今天我假如要他幫我改計劃
37:17我會把我的過去的所有的 paper 所有的計劃
37:22和所有這些計劃的 reviewer 的 comment 通通丟給他
37:29然後相關的文章所有的文獻也都丟給他
37:33那這些就是他會去看了以後再來回答你的問題
37:37這個就是 context
37:39所以這個會比較好
37:41那除了剛才講的那幾個 general 的
37:44還有很多的
37:45我覺得是 domain specific
37:47這些是針對做學術研究上面的
37:51那現在這一類很多
37:53那每一個發展到哪裡我也不知道
37:56所以大家有興趣可以去網路上 search 看看最新的是什麼
38:00再來我們看怎麼用 AI 來幫忙寫計劃
38:05講到寫計劃
38:07用 AI 來寫計劃大家都覺得是不好
38:11所以我們看幾種狀況
38:15我們給他一個簡單的指令
38:17他的答案就 copy, paste and submit
38:20這個一般認為是不可以
38:23因為操縱權完全在他
38:26我假如給他很複雜的指令
38:29然後他做了以後我就 copy, paste and submit
38:33這樣也不可以
38:35這兩種狀況因為你沒有對他給你的答案做仔細的審查
38:42你沒有確保說東西沒有錯
38:46所以應該是我給他 prompt
38:50然後他給我的答案我再跟他討論
38:54修改 multiple round
38:57最後達到我滿意
38:59我認為可靠
39:01這個時候再 submit 出去
39:03那這個是可以的
39:05因為有 human 的 input，human 的 decision
39:10那我覺得類比就好像我們現在很多老師寫計劃
39:15他可以找實驗室的資深博士生或者博后來寫
39:19我覺得這個沒有什麼不好
39:21這是 training 的一部分
39:23那他寫呢他一定是在你的研究的脈絡底下去寫
39:28然後他會跟你來回的討論
39:31那你會要求他改這個改那個一大堆
39:35然後最後到老闆滿意了才投出去
39:41這個是我們現在常有的狀況
39:44那這是合理的
39:47所以我也想我可以用 AI 來幫我寫文章的時候可以看什麼
39:53譬如說我已經寫好了
39:55我可以在
39:55他說幫我評估 significance and novelty
40:00幫我找出我的 major point
40:03做 summary
40:05我事實上我把我自己的計劃丟給他
40:08我發現他的摘要比我自己要好
40:13他完全抓到我要講的重點
40:16那我自己都沒有辦法寫得像他那麼好
40:19所以我覺得這個用它非常的有用
40:22那他對我的這個 significance and novelty 就有很多的批判
40:28那我上一次做這個我的一個計劃已經執行完畢了
40:33我丟給他
40:34然後我找了兩個 AI，一個 ChatGPT，一個 Gemini
40:39我覺得 ChatGPT 有點是美式作風
40:43他就會說好啊很好啊誇很多
40:45然後沒有很嚴格的批評
40:48Gemini 呢就基本上說你這個是 trash
40:52有很多這個致命的缺陷
40:55可是他會教我怎麼改
40:58那我覺得真的是很好
41:01雖然我那個計劃都已經執行完
41:03當初假如我有考慮到那些點
41:05我的計劃會更好
41:09那他可以幫你看你的架構
41:12然後有什麼弱點
41:13那缺了什麼 control，什麼 data
41:16然後我也可以問他說
41:18我要投在什麼期刊
41:21很有趣他會告訴你說
41:23我是一個 AI 我沒有辦法提供這樣的建議
41:27可是你的這個類型好像在某些期刊裡面常常會出現
41:33所以他還是給你某些建議
41:38可以幫我 revise
41:39I suggest 這個 reviewer
41:42然後我可以問他說那有沒有什麼 reference
41:45是我應該 include 可是沒有的
41:47很多這些問題我都可以問他
41:52那 ChatGPT 也提供了一些你可以怎麼問
41:55你可以要求 AI 呢幫你 summarize
42:00包括你的 problem, mechanism
42:02然後提出 resolvable gaps in 3 to 5 years
42:07這個是針對的計劃
42:09然後 each with a one-sentence
42:11hypothesis and measurable endpoint
42:15那我覺得這個真的很棒
42:16我們寫計劃常常沒有講出這些
42:19就是你要有一個具體目標達得到
42:23然後怎麼去衡量達得到這件事情
42:29那可以要求他作為一個 hostile reviewer
42:33給你 10 個 top criticisms
42:36然後他可以 propose 怎麼去修改
42:40那或者他可以幫你 rewrite
42:42給你 one sentence 的 objective
42:44然後 2-3 aims each with hypothesis,
42:47rationale, innovation, approach,
42:50go/no-go decisions, outcomes
42:53然後最後還有一個 convergence statement
42:56我覺得這個也是他很厲害
42:58就是我寫 paper 或是寫計劃
43:01常常希望最後那句話是強而有力
43:05說這個計劃，這篇 paper 太棒了
43:08這個我們通常寫不出來
43:11那我發現 AI 可以寫很好
43:14它可以有一句 summary 真的很漂亮
43:17那我們常常被講有很多的缺點
43:21這些缺點就是我的計劃被別人講
43:25或者我講別人的這些缺點
43:28那我又不細講
43:29這個每一步 AI 都可以幫你
43:33臉書上有很多大家用 AI 的這個心得
43:37那請大家常常去看一看我覺得可以學很多
43:41我這裡找到有一個醫生
43:43王介立醫師
43:44他臉書他幾乎每天都有
43:47那他這是前一陣子他就講
43:51有那麼多文獻
43:52我要怎麼去看
43:55所以他就設定了一些標準
43:57一些條件
43:58讓 AI 去幫你 screen
44:01所以 AI 去幫你篩選說這些文章呢
44:05有沒有符合我設定的這些條件
44:08不夠格的我就不要看
44:10夠格的最後剩下幾篇
44:13我才來仔細的看
44:14我覺得這個非常的有用
44:17那大家可以看看它這裡面它怎麼設定它的條件
44:20同樣的我們可以用這樣的條件來幫忙修改自己的論文
44:30我說要從很早期就開始問它
44:33所以我就問說
44:35這是我在前面的一個研究
44:38我就問說那要實驗上面要怎麼去證明這件事情
44:43這個細節大家可以不用看
44:45然後他就提供了一些東西
44:48一些實驗的做法
44:50然後我再問說那這個實驗做法我需要某些條件
44:55那請給我一些例子
44:57譬如說在這裡
44:58我希望是有 cell，有細胞有不同的狀態
45:03然後要有 marker
45:04那他就給我好多個例子
45:07我覺得非常的漂亮的例子
45:10他會找不同領域各找一個很好的例子給我
45:15那 Gemini、ChatGPT 和 Claude 都各自給我一些例子
45:20我覺得這個就變成我的一個 starting point 非常的重要
45:25那即使我用了付費版本
45:27他們中間還是會給我空的假的例子
45:32有一個例子我就覺得這個很棒
45:34然後一去查根本沒有這個東西
45:36那我在外面就會看到一些奇奇怪怪的現象
45:41那我過去是植物系出身
45:43所以我看到這些我就會想這可能怎麼去解釋
45:48然後我就丟去問 AI
45:51我也不用細問，就問說 how to explain
45:53然後他就會給我一些答案
45:56講這個可能的 mechanism
45:58哪些人做過哪些研究
46:01我覺得就讓我很快的可以想說
46:04那這個東西值不值得我繼續往下做
46:09所以 AI 可以幫我們整理文獻找出知識缺口
46:13評估重要性創新性
46:16釐清我們的思訊
46:18整理架構抓出重點
46:21然後它可以彌補缺失、完善套路
46:25這裡我特別講就是
46:27我們絕大多數的研究都是一個 routine
46:31都是一個套路
46:32就是別人現在在做這個問題
46:36一個標準做法
46:38你大概需要什麼樣的實驗
46:41這個圖會長什麼樣子
46:43需要哪些 control
46:44那基本上都是 routine
46:47可是即使是 routine
46:49我們也常常沒有做到
46:51我們常常會漏掉一些東西
46:54那 AI 可以幫你找出來
46:56這裡你還缺了什麼
46:58那邊缺什麼
47:00那我覺得這個也很重要
47:03然後它幫我們改善表達，幫助聯想
47:07尤其是跨領域的
47:09譬如我可以問它說那我現在研究這個題目
47:12假如我要做一個跨領域的
47:15那可以跟哪些領域結合
47:17那它就會給我一些例子
47:20所以我覺得這些上面 AI 可以幫我們非常非常多的忙
47:25它真的做得比我做得要好
47:30可是呢 AI 能夠提供的就是一個 routine
47:35就是一個 steady 的 path
47:37它不會給你太 exciting/ innovative 的 idea
47:41by definition
47:43innovation 就是很少出現
47:46那它給你的東西就是常出現的東西
47:50所以用了 AI 以後
47:54你的計劃會 80 分
47:59可是大家都用 AI 以後
48:01大家就都 80 分
48:04所以你要在 80 分的這個族群裡面
48:09你要變成 90 分
48:10這個要靠你自己
48:12所以 human 的 innovation 還是很重要
48:16那大部分用的都是這個文字上面的
48:21可是我就想說那我來試試它看圖行不行
48:26我就把我一篇 paper 裡面的這個圖
48:28我特別找這個圖就是非常的不是 standard 的圖
48:33很少出現這樣的圖
48:35那我給它的敘述呢我也不去講
48:40這個圖到底什麼意思
48:42不同顏色什麼這些代表什麼我通通都沒講
48:45我就丟給它說那這代表什麼
48:49你可以得什麼結論
48:52那我就發現它給出來的結論
48:55跟我們 paper 裡面寫的幾乎一樣差不多
49:01所以我覺得它很厲害
49:03在 data 的分析上面它可以做到非常的好
49:06而且它可以看圖
49:09那這部分因為我現在已經退休了所以我也沒有什麼 real data
49:13所以我還沒有用到
49:15可是大家應該努力的去在這方面去用
49:19那我覺得我們用它來寫東西
49:21基本上應該是一個 reciprocal 的 interaction
49:26就是我可能有一些初步的概念
49:29那我是建議越初步越好
49:31模模糊糊就丟給它
49:33然後提供一些 context
49:36然後 AI 就會給我意見
49:38然後我會修改再丟回去
49:41我請這邊再補強它有什麼東西再給我
49:44然後它再回來我再丟回去這樣來來回回很多趟以後就定稿
49:51所以我覺得我們用 AI 啊
49:53大家不要擔心好像說我們被它綁住了
49:58一旦你開始用以後就會發現
50:01你會一直不斷的用
50:03那這個就變成一個是雙向的過程
50:07而且在這過程當中呢
50:08我一直覺得我是主導
50:14那 AI 的角色我剛才講說我認為已經超越工具或助理
50:19像是一個資深同事或者合作者
50:22而且跨領域
50:23那我可以跟他做很多的這些討論
50:28那 AI 對我的提問是被動的
50:32然後它沒有私心
50:34沒有私心呢
50:36有這麼多的貢獻
50:39照理講假設一個同事做了這些
50:42我會把它列為共同作者
50:44可是 AI 不能夠作為共同作者
50:47所以我只能謝謝它
50:49那要怎麼謝
50:51所以這個是現在這是 chatgpt 建議的寫法
50:57作者感謝某個模型
50:59你要把那個 model version 都講清楚
51:03在研究構思階段擔任了批判性對話對象的角色
51:09透過與 AI 的遞回式討論
51:11作者得以釐清論述架構並發現邏輯盲點
51:16然而所有最終的科學判斷論點採納
51:20及文字訂稿均由作者本人全權負責
51:25我們現在看到很多的這些揭露使用 AI
51:30大家都會寫說我用它改了英文
51:35我覺得這個
51:37或者你是大材小用
51:38或者你是沒有誠實
51:40就是你用它幫了很多的忙
51:42可是大家不敢講說我用它做很多事情
51:46我覺得就放心大膽的講出來
51:49這裡就講了
51:50我跟他來來回回的討論
51:52讓我想清楚了
51:56真正大家要的是最後這句話
51:58最終的科學判斷論點採納文字訂稿均由我負責
52:03我全權負責
52:05我們只要的是這句話
52:08其實這句話講的也是多餘
52:10因為本來你就該要全權負責
52:12那這個揭露
52:15通常是說註明在研究方法
52:18那就是把它當成是工具
52:21或者在致謝欄就是把它當作是個助理
52:27那 Elsevier 給的這個範本是說
52:30During the preparation 我用了這個 in order to 什麼
52:35After using this tool
52:37the author reviewed and edited the content
52:40as needed
52:42and takes full responsibility for the content of the publication.
52:47最後這句話這是重點
52:50那我再加上一句話
52:54我加上 our complete discussion history with AI
52:58demonstrating my commanding role is available upon request
53:04就是我要把我所有跟他對談的記錄都保留下來
53:10將來 in case 有任何人質疑說
53:14那你這邊完全都是 AI 幫你做的
53:17我可以拿出來說你看這是我引導他做出來的
53:21所以我覺得這個在目前來講還蠻重要的
53:25可是這個東西呢可能很多
53:28像我的這個準備這一個 talk
53:31因為跟 AI 來來回回有很多的辯論
53:34所以光是我跟 ChatGPT 的這個對談
53:38我把他們一段一段 copy 下來存成 word 檔
53:42已經有四五百頁了
53:45所以這個是非常多
53:47那現在有的期刊呢
53:49要求說像 science
53:52這一系列 science 這個 AAAS journal
53:55他說要把所有的 full prompt 都提供
54:02那提供 as in appendix
54:05那它只要你的問喔它不要你的
54:08它不要 AI 的回答
54:09因為 AI 回答可能太多
54:12那另外的一個系列呢
54:14journal of medical internet research
54:16就要求說 complete original prompt
54:19和 response transcript
54:22然後儲存在一個 file 提供給它
54:26那目前只有這兩組
54:30其他的期刊大部分還沒有這樣要求
54:33所以使用 AI 的規範
54:37這邊是生成式的 AI
54:39不可以作為作者
54:41因為他缺乏人格他沒有辦法對作品承擔責任
54:46那使用 AI 一定要註明
54:49或者在 method 或者 acknowledgment
54:52再來這一點很重要
54:54生成式 AI 產生的圖像和影片不可以使用
54:59這個包括你的 graphic abstract
55:02你的這些示意圖摘要圖
55:04這些都不可以
55:05我們等一下有例子來 show
55:07因為很容易出錯
55:10那除非你的文章就是專門討論這件事情的
55:15那你可以用
55:17可是要告訴 editor
55:19然後 editor 許可
55:21那假如你是用 AI 產生數據的分析圖
55:27譬如說做個曲線或者柱狀圖這些是可以的
55:31你還是要註明
55:33然後你自己要 verify
55:34因為這種圖是 database 它比較容易驗證
55:41再來就是不可以用作審查
55:43因為會違反審查的保密協定
55:46然後敏感資訊不要上傳給 AI
55:50這些是生成式 AI 的規範
55:53目前幾乎國際上面都是這樣做
55:57那非生成式 AI 呢就沒有這些麻煩
56:01因為
56:03生成式 AI 它是一個黑盒子
56:05它怎麼運作得到那個結論我們不太知道
56:08所以它給你的東西是沒有辦法 reproduce
56:12你每次問的結果會不一樣
56:16非生成式的 AI
56:17它是一套固定的做法
56:20所以這個時候呢
56:21它是你只要提供所有的參數設定
56:25那別的人可以照著會得到同樣的結果
56:29所以
56:29對於非生成式 AI 我們沒有那麼擔心
56:32可是你要提供這些實驗的條件
56:37好所以這些是需要遵守的規範
56:43那有同學在事前就問到說那現在台灣有哪些已有的規範
56:50這裡我列了一些
56:52從科技部到中研院台大成大陽交大清華
56:56然後台灣學術倫理教育學會
56:58都有這樣的規範
57:00那我就沒有一一列在這上面
57:03基本上這些規範講的就是我前面講的這些事情
57:09那國際上面也有一些
57:13那有的我有附上這個網頁大家可以去看
57:17所以這是第三部分
57:19接下來講這個就是
57:22用它來幫助做研究
57:24有些什麼樣的問題
57:26這裡我們要說
57:28我用了 AI 別人會怎麼看我
57:32或者說別人用 AI 我要怎麼看待這件事情
57:37這裡面就蠻有趣的
57:41那剛才我們講了這一堆規範
57:43我就問我同事說
57:45假如我用 AI 來幫忙寫計劃
57:50我強調是幫忙喔不是完全用 AI 寫喔
57:53然後我說我完全遵守這些規範
57:58你覺得這樣可不可以
58:01那同事有很多的擔心
58:04我問 AI
58:06AI 也有很多的擔心
58:08很有趣 AI 對 AI 非常的沒信心
58:12那 AI 就列舉一些可能出現的問題
58:15那我就說所有你講的這些問題
58:18人都會犯
58:20為什麼 AI 會這麼要受到重視
58:23而且 AI 犯了可能還比不上人
58:28那所以為什麼我覺得我自己可以負責任的用 AI
58:36可是我很擔心別人
58:39因為我會覺得別人會偷懶別人會不負責任
58:43為什麼會有這樣的落差
58:45可是跟 AI 討論了很久
58:47最後 Gemini 給我一個答案
58:49他說這個叫做
58:51信任的不對稱
58:54就是我信任我自己
58:56因為我很知道我自己做了什麼
58:59他給了一個例子 Gemini 說
59:01我知道我是一個行政主廚
59:03我燒菜非常的用心
59:06可是我擔心別人只是 microwave
59:11那所以在這個過程當中呢
59:14就是我們不太信任別人
59:17那我覺得最終的這個關鍵就是
59:21到底在用這件事情上面
59:24你是不是 in control
59:26human 是不是 in control
59:28我在做的時候我覺得我是 in control
59:30別人做的時候我擔心
59:33所以呢
59:34為了別人的擔心
59:36我們要保存所有跟 AI 互動的記錄
59:40也包括時間
59:43那這個保存記錄
59:46也很麻煩
59:48就是現在的 AI 上面
59:49你可以把這一次的這個問和答
59:53各自 copy 下來
59:54然後存在一個檔裡面
59:57可是我說我們談了這麼長
1:00:00有沒有辦法 single 鍵
1:00:02就單鍵就把所有的過程通通 copy 下來
1:00:07都沒有
1:00:08有很麻煩的這個處理過程
1:00:11所以我覺得這個還是很討厭
1:00:12希望以後可以簡單一點
1:00:18那別人偷懶
1:00:20現在網路上有這樣的工具
1:00:21我最近因為看了以後
1:00:24我的臉書上就不斷出現這些廣告
1:00:27那這都是商業的廣告
1:00:31有一個呢說它有一個 58 頁的 prompt
1:00:35丟給 ChatGPT 它就直接幫你生成論文
1:00:40論文可以從 chapter one 到 chapter five
1:00:42in just a few hours
1:00:45那我就只進去看
1:00:47我想說那它完全幫你寫嗎
1:00:50那你還是要提供一些資訊
1:00:53你要的 topic 是什麼
1:00:55那你的這個研究的做法
1:00:57target population data collection 的 method
1:01:01這些都要告訴它
1:01:03然後它可以照這個幫你寫
1:01:06那我就在想
1:01:07那假如這裡面牽涉到有 data
1:01:11這個 data 哪裡來
1:01:14所以我覺得這樣的寫的東西呢
1:01:18最糟糕的就是它的那個核心的內容可能是它生成的
1:01:24都是完全不可靠的
1:01:27那再來有一個工具叫做 ThesisAI
1:01:30one-prompt drafting
1:01:32它可以幫你寫各種論文
1:01:36那這些都是要花錢的
1:01:39然後
1:01:40那我就看
1:01:41現在這種工具幫你寫 review 非常的好
1:01:46你可以給它這個領域
1:01:48然後它就可以幫你把所有的 reference 都看了寫一個 review
1:01:52裡面不會有你的 primary data
1:01:55因為只要牽涉到 primary data 就是它生成的就不可靠
1:02:02那這樣的用 ai 來幫你寫
1:02:06就不是幫忙
1:02:08而是代寫
1:02:10那我覺得就跟過去的這個買論文
1:02:14或者代寫或者 paper mail 是一樣的事情
1:02:19那我覺得永遠有人會投機取巧
1:02:23那也永遠有人沒有被抓到
1:02:27這個自古皆有
1:02:30那可是這裡面有幾個風險
1:02:33第一個風險呢
1:02:34過去假如你買 paper
1:02:38一個風險是它把這篇文章賣給你還會賣給別人
1:02:42所以到時候會有兩篇三篇 paper 一起發表同樣內容
1:02:46所以你就捲入抄襲
1:02:49現在不一樣
1:02:50現在不會有這個問題
1:02:52因為 ai 每次都給你生成不一樣的
1:02:55那可是呢假如涉及文獻或者數據
1:03:01就有可能是假的
1:03:02這個時候你還是有學術倫理的問題
1:03:05那還有一個很重要的問題
1:03:09過去人家買 paper 買論文
1:03:12最大的風險是
1:03:15你跟這個 service 買了以後付了錢
1:03:19它就答應說
1:03:21當你的文章被接受以後
1:03:23我會把所有的記錄都銷毀
1:03:28可是我就碰到有一個人來跟我講說 real case
1:03:32他就被勒索了
1:03:34因為那個人沒有把資訊銷毀
1:03:37然後掌握了那些資訊就來威脅他
1:03:42那這個很嚴重因為你會被威脅一輩子
1:03:45你將來就不要選總統
1:03:49那今天你用 ai 去幫你寫
1:03:53不要忘了 ai 的背後是有個人
1:03:56所以你付錢你是付給 ai 背後的那個人
1:03:59它掌握了所有的過程
1:04:02所以也有這個風險
1:04:04所以這個是非常嚴重的風險這個要非常的小心
1:04:11那當然這個代寫假如是涉及是學位的論文
1:04:15那就又牽涉到學生的這個能力的考核
1:04:19所以 ai 可能涉及的學倫兩個重點
1:04:24一個是偷一個是騙
1:04:27所謂偷呢就是你把別人的東西拿來當作你自己的 credit
1:04:32這個是偷
1:04:33那就是抄襲
1:04:36那所謂騙呢就是你的結果
1:04:38數據是假的或者經過變動
1:04:43那這兩件事情是學倫的主要核心問題
1:04:48那不管犯錯的是誰
1:04:51作者都要負責
1:04:54那今天的 ai 呢
1:04:56比較容易發生虛假的數據文獻或者錯誤的示意圖
1:05:02AI 作為工具是中性的
1:05:05它可以為善也可以為惡
1:05:08那人才是操縱者所以人要負責
1:05:11所以這個跟 ai 沒有關係
1:05:13在沒有 ai 之前
1:05:16我們也可以用很多其他的工具來做壞事
1:05:20譬如說抄襲
1:05:22有人可以把一篇 paper
1:05:24譬如說英文
1:05:26那請 google translate 翻成韓文
1:05:29翻成阿拉伯文
1:05:30俄文
1:05:31然後中文再回到英文
1:05:35就體無完膚
1:05:36沒有軟體認得出來
1:05:38那過去這些事情可以做
1:05:42那過去這些被抓到的都是很偷懶的
1:05:48就直接 copy and paste
1:05:50那今天呢
1:05:52用 ai 可以作假
1:05:54那可能會更嚴重
1:05:57而且今天你
1:05:59要去抓抄襲就非常的困難
1:06:02AI 可以幫你把一篇文章完全改寫
1:06:07所有的核心內容本質沒差可是文字上面完全認不出來
1:06:13可是今天我們認不出來
1:06:18不表示未來有沒有工具可以認得出來
1:06:22所以這個風險還是不要去冒
1:06:26再來我們看這個圖像
1:06:28這個是一篇發表的文章
1:06:32然後這是兩個示意圖
1:06:36這個是老鼠的睪丸
1:06:40它要去講它裡面的這些幹細胞
1:06:44然後這是一個訊號傳遞的示意圖
1:06:49看起來都好像不錯
1:06:51可是你只要把它放大以後
1:06:54就發現這個圖裡面的這些文字
1:06:58都是亂的
1:06:59都不是正常的英文字
1:07:03所以 ai 做出來的東西常常都是這樣
1:07:07遠看好像很好
1:07:08近看就發現問題很多
1:07:11所以目前所有的期刊都說
1:07:15不可以用 ai 產生的圖像
1:07:20那這篇文章就被 retract
1:07:24再來我們看這個虛假的文獻
1:07:28這個是去年底香港大學一個教授副院長
1:07:34那他的文章裡面就發現有幾篇文獻是假的
1:07:40所以他就辭去了副院長的職務
1:07:45然後今年前一陣子
1:07:49有個政大博士生的博士論文
1:07:52他用 ai 幫忙然後也有文獻發現是造假的
1:07:58而且好死不死呢
1:08:00其中有假的文獻是有真的作者
1:08:04那個作者教授就跳出來說
1:08:07我從來沒有寫過這篇文章
1:08:10所以這個就鬧上新聞
1:08:11然後現在的處理是這邊學術論文就下架
1:08:17然後學校在調查當中
1:08:20那我就問 ai 說這種狀況應該很多
1:08:25那有多少 case 是用學術倫理來處理
1:08:30結果幾個 ai 都說現在還沒有找到具體的案例是
1:08:36因為虛假文獻所以當作違反學術倫理
1:08:43好我們先說怎麼樣子避免這種東西
1:08:46避免虛假文獻
1:08:48我可以要求
1:08:49所有 ai 提供的文獻都要提供資訊來源
1:08:54連結和 doi
1:08:55這時候我點進去就可以檢驗
1:08:58然後我可以請同一個 ai 或者另外一個 ai 做檢驗
1:09:03檢驗的這個指令是這樣
1:09:05請核實本論文所列參考文獻之真實性
1:09:10就是說這篇文章是不是真實存在
1:09:14並檢驗文獻內容是否與本文之引用語境相符
1:09:20他可能給你一篇文章是真的有可是跟你要講的事情毫不相關
1:09:25所以你要求他去檢驗這個
1:09:27那我就發現
1:09:29我剛才最前面 show 的那例子那一串文獻我丟給他都可以抓出來
1:09:36同一個 ai 也抓出來另外一個 ai 也抓出來
1:09:39所以我覺得這是一個很簡單很好的工具
1:09:44可是即使這樣
1:09:46我還是不會完全放心
1:09:49所以我還是要每一篇自己去檢驗看看
1:09:53那我也可以在一開始我就提供他一個真實的文獻庫
1:09:58就像那個 notebook LM 一樣
1:10:01或者我在提示的時候呢我就要求他
1:10:06每篇文獻必須包含標題作者年份
1:10:10及有效的 doi 連結
1:10:14然後要告訴他說如果你找不到
1:10:16就直接回答找不到
1:10:18嚴禁自行編造
1:10:21因為很有趣的
1:10:22AI 就很喜歡編造
1:10:26它不承認它找不到或它不知道
1:10:29它一定要給你一個答案
1:10:31所以你一定要很明確的告訴它嚴禁自行編造
1:10:36也可以要求它優先引用
1:10:38來自這些可靠的文獻庫的文獻
1:10:43那避免虛假圖像
1:10:45你要放大以後仔細檢驗
1:10:48修改
1:10:49要非常仔細的檢驗
1:10:51因為所有東西都可能有問題
1:10:55那我覺得在目前工具還沒有可靠的時候
1:11:00就不要用了
1:11:03那假如你用了
1:11:05那在投稿的時候一定要註明清楚
1:11:08就是說這個圖
1:11:09我是用生成式 AI 產生的
1:11:11可是我已經檢驗修改了
1:11:13我確保它沒問題
1:11:15告訴 editor 這個樣子
1:11:17那看 editor 要不要接受
1:11:21那碰到這樣的虛假內容呢
1:11:24要怎麼處理
1:11:26我覺得假如它牽涉到數據
1:11:29那它影響的是研究結論
1:11:31那這個是造假
1:11:33這個是嚴重的學術倫理的問題
1:11:38假如牽涉到文獻或者示意圖
1:11:42本質上這個都是它造出來的
1:11:45所以是造假
1:11:47那可是我覺得有輕重不同
1:11:51假如這個文獻是涉及核心論述的基礎
1:11:58譬如說
1:11:59我這一篇文章是 based on 某一篇
1:12:02重要的 paper
1:12:04可是這篇重要 paper 其實是假的
1:12:06那我的整篇文章其實就是奠基於一個空的基礎上
1:12:11那這個就不行
1:12:13所以假如說這個虛假文獻是涉及核心論述基礎呢
1:12:18那這個時候它是嚴重的學術倫理問題
1:12:22即使你是沒有蓄意
1:12:26可是很多時候它可能涉及的是
1:12:29不是在這個核心論述基礎上
1:12:31譬如說
1:12:33我有一個論述
1:12:35然後我引註了 10 篇文獻
1:12:39來 support 我的這個論述
1:12:4210 篇裡面有兩篇是 AI 給的假的
1:12:46我把這兩篇拿掉
1:12:48我的這個論述還是可以的
1:12:52所以這兩篇其實沒有影響
1:12:55就是 overcite
1:12:57那這種時候呢
1:12:59我覺得啊
1:13:00就不要把它當成學術倫理的問題
1:13:04那我是建議就行政處理
1:13:06意思就是說
1:13:07你就要求它修改或者退稿
1:13:11或者已經發表的就撤稿
1:13:13那我們前面看到那個示意圖錯了
1:13:17它是撤稿
1:13:19然後我們有看到說學校那一端會不會用學術倫理處理
1:13:24目前的這個公開資訊裡面看不到這個
1:13:28那我覺得這個類比啊
1:13:30就好像我買了一個儀器
1:13:32還沒有校正
1:13:33我就拿來做實驗
1:13:35然後實驗出來這個數據呢就可能有錯
1:13:39那我反正就把它發表了
1:13:41然後之後發現有錯
1:13:43這個時候我不是蓄意造假
1:13:46可是還是有影響還是不對
1:13:50那可是這個就有輕重的關係
1:13:54再來一個 point 就是大家都關心能不能夠區別
1:13:58AI 的作品
1:14:02好像所有的論述都是這個多少是 AI 產生的
1:14:06那其實我用 AI 我發現每一個 AI 都有它的風格
1:14:11我可以感覺得出來這一段是 Gemini 寫的
1:14:16那一段是 ChatGPT 寫的
1:14:19可是我沒有辦法 100％
1:14:23現在有很多的工具想要來分辨
1:14:27沒有一個是可靠的
1:14:30它可以告訴你這看起來像
1:14:32可是看起來像呢
1:14:34在法律處理上就不行
1:14:37你不能用來做這個法律的基礎
1:14:42那 Gemini 說這個 OpenAI
1:14:45有一個軟體叫 classifier 也都下架了
1:14:48所以他說連製造矛的人都造不出盾
1:14:52那我覺得呢
1:14:54這永遠是一個軍備競賽
1:14:57AI 永遠要像人
1:15:00然後其他的分辨軟體就永遠要想辦法追著它走
1:15:04永遠跟在後面永遠抓不到
1:15:08所以我不預期未來可以真正可靠地分辨這件事情
1:15:15那反過來說
1:15:16我覺得這個問題根本就不重要
1:15:19就是誰寫的根本不重要
1:15:24那等一下要講到這個
1:15:26重要的是說內容作者要負責
1:15:32我們看到這有被抓到的幾個例子就是用 AI 寫的
1:15:37譬如說這一篇文章這是已經發表的
1:15:40它裡面就有這個 regenerate response
1:15:42它這裡 as an AI language model
1:15:45這很明顯就是整個給它抄下來就貼出去完全沒有做過處理
1:15:52那這個文章呢就 retract
1:15:58那所以我們很難分辨是不是 AI 的
1:16:02然後我們目前被要求要揭露
1:16:06那假如你用了 AI
1:16:07可是你沒有揭露
1:16:10那這個有什麼問題
1:16:13我覺得假如說你的論文沒有騙沒有偷
1:16:17那沒有揭露這件事情違反的是
1:16:21你跟期刊或者國科會的約定
1:16:25就是他說你用了要講
1:16:28那你沒講
1:16:31那我們很多東西都沒講
1:16:34我實驗的條件都應該要交代清楚
1:16:38可是常常我們會漏掉很多東西沒有交代清楚
1:16:42那碰到這種會怎麼辦呢
1:16:44reviewer 說你這裡沒交代清楚講清楚
1:16:47你就 revise
1:16:49那實在
1:16:50你都沒講清楚
1:16:51reviewer 覺得很爛就 reject
1:16:55所以我認為
1:16:57這樣的事情沒有揭露就行政處分
1:17:02然後我覺得這個要求揭露是個過渡期的反應
1:17:07那我們過去有一些工具一開始出來的時候
1:17:11像這個 PCR 或者 BLAST
1:17:14我們都要把那個實驗條件講得非常清楚
1:17:17寫得很長
1:17:19那今天已經完全不用
1:17:22你就說我 PCR 了
1:17:25我 BLAST 了
1:17:27它就變成一個動詞
1:17:29那大家都相信你知道怎麼做 follow 基本的做法
1:17:34所以現在都已經默認
1:17:37所以 Gemini 說
1:17:38這個要求揭露是一個典型的安撫性的儀式
1:17:44就是有一個新東西出來我們不知道要怎麼辦
1:17:47那可是我們要告訴大家
1:17:49尤其是政府一定要告訴大家 we are doing something
1:17:54所以我們就設定一些做法
1:17:56要求你一定要怎麼樣
1:17:58可是這個做法其實是無效的
1:18:02那我覺得未來當所有人都在用的時候
1:18:06就沒有這個問題了
1:18:09那我覺得要求揭露造成困境
1:18:13道德上面的困境
1:18:15對於使用者來講
1:18:17我要不要揭露
1:18:19我揭露了以後是不是 reviewer 會認為我偷懶
1:18:24那這樣是不是對我不利
1:18:27所以我相信很多人有用
1:18:28可是只敢說我用它來改文法
1:18:33那 reviewer 呢
1:18:35現在所有的規範都說不可以用來審查
1:18:38對不對
1:18:39好那我假如今天看到有一篇文章
1:18:42看起來就像是用 AI 寫的
1:18:45那我要怎麼辦
1:18:47我要追究嗎
1:18:48我要告訴國科會
1:18:50這個你要當作一個案件來審查嗎
1:18:54那我要不要自己用 AI 來幫忙審稿
1:18:58我有那麼多的文章要審
1:19:01那我的 loading 很重
1:19:04大家都說不可以
1:19:05可是去年有一篇文章就去 survey 了很多人
1:19:10他就發現
1:19:11大概一半以上的 reviewer 呢
1:19:14都在用 AI 做 review
1:19:18等一下我們還有一個例子
1:19:20所以其實很多人在用
1:19:22可是沒講
1:19:24好那國科會要怎麼辦呢
1:19:27我相信國科會知道很多申請人或者審查人有用 AI
1:19:34可是沒有揭露
1:19:37那國科會要不要追究
1:19:40追究起來不得了
1:19:44那所以我的建議呢
1:19:46就是說揭露的意義其實不大
1:19:49而且沒有辦法求證
1:19:52那造成大家的困擾
1:19:54建議無需深究
1:19:57這無需深究意思就是說
1:19:59你的規範放在那裡
1:20:01可是人家沒有遵守呢
1:20:02你也不要真的去怎麼樣子處理
1:20:06要處理就是行政處理
1:20:08你就說
1:20:09補齊修正就好
1:20:12那有人問我一個問題
1:20:17說我是一名研究員我碰到研究上的問題請 AI 幫我想辦法
1:20:23然後我再去讀懂
1:20:25判斷
1:20:26然後最後用了
1:20:28這樣子算不算是我想出來的東西
1:20:32那我就找類比
1:20:36我
1:20:37把生成式 AI 換成別的
1:20:40我自己去查文獻
1:20:43文獻是過去人家的東西
1:20:46這也是別人的
1:20:47我可以問老師我可以跟同事同學討論
1:20:51那討論了人家給我的建議
1:20:55那我就去想辦法了解然後判斷然後用
1:20:59對不對
1:21:01所以我可以把這個生成式 AI 給它替代
1:21:05就是我們熟知的現在的狀況
1:21:08所以沒有問題
1:21:10AI 提供一些建議提供幫忙最終的判斷還是你自己
1:21:15所以你自己的貢獻是問題的形成篩選判斷後續的執行
1:21:21所以這個是你的東西
1:21:27原創性
1:21:29我研究的 idea 來自別人
1:21:31所以這樣的成果算我的嗎
1:21:37這跟 AI 類似
1:21:38幾乎所有的研究進展都奠基於前人的研究
1:21:42我們讀文獻聽演講獲得啟發靈感
1:21:46這個時候
1:21:47你很可能有 citation 給人家 credit
1:21:52也有可能你聽演講聽到的之後你已經忘掉到底是誰講的
1:21:58你也不會再去 cite 那個人
1:22:01就過了
1:22:02那假如是合作者你身邊的這些學生博後 AI
1:22:07那你就
1:22:09它就是 co-author 大家貢獻很重要
1:22:15牛頓說如果我看得比別人遠是因為我站在巨人的肩膀上
1:22:21那 Gemini 說
1:22:22只要你誠實標註了肩膀
1:22:25剩下那部分你自己跑完的最後一哩路
1:22:28無論多短都是你的原創
1:22:33那 Claude 說
1:22:35這個是知識的功勞
1:22:36我站在哪些人的肩膀上
1:22:39我要誠實引用
1:22:40這個包含 AI
1:22:43然後我的研究加入了什麼這個是在知識的進展上面
1:22:48所以我覺得
1:22:49我今天講這個對實驗科學來講是很適用
1:22:53因為我們一定有一些東西是 AI 做不到的
1:22:58然後我們做了
1:22:59那我們有知識上面的進展
1:23:00那你要是文學創作
1:23:03或者現在作曲
1:23:05這些我覺得就比較難了
1:23:13那我剛才講說這個誰寫的不重要
1:23:17我覺得從幾個點來看
1:23:19一個是政府資助研究
1:23:23要的是結果
1:23:25它要的不是某教授做出來的
1:23:28這個結果不管是 a 還是 b 還是 c 做出來都可以
1:23:33你們都可以提計劃我來挑
1:23:36那所以我們審計劃呢我們要看的
1:23:39理論上不該是那個人
1:23:41而是看計劃的可行性和執行力
1:23:46那過去我們看人是因為這個人關係到可行性和執行力
1:23:52那有的人可能他就沒有這些儀器沒有這些資源
1:23:56做不到他要做的事
1:23:59可是今天 AI 也可以幫你做這些事
1:24:04那另外一個點是
1:24:07今天所有的研究都是高度分工合作
1:24:11所以在一個研究當中
1:24:13有很多部分會來自於不同的人
1:24:17包括創意執行修正撰寫
1:24:20然後可能有各種各樣的合作的夥伴
1:24:23那今天就包括了 AI
1:24:27所以不是 PI 提供了所有的事情
1:24:31那 PI 只是整合主導
1:24:36所以我跟 AI 討論了很久
1:24:38Gemini 終於接受說
1:24:41學術界必須放棄對來源的執著
1:24:44接受創意和內容可能來自多元化的輸入
1:24:49包括 AI
1:24:53那前面有講到 AI 不能夠用來做審查
1:24:58可是今天呢
1:25:00因為寫計劃或者寫 paper 的成本很低
1:25:05所以我隨便就可以寫
1:25:08那所以審查的負擔很重
1:25:13那當然一個做法是我可以限制每個人可以投計劃的數目
1:25:19那美國 NIH 說每個人每年可以投 6 篇
1:25:246 篇還蠻多的台灣大概大家能夠寫個一兩篇就不錯了
1:25:30那另外一個就是計劃的品質趨中
1:25:35那我覺得作為一個審查人
1:25:37我現在看到計劃我覺得一則以喜一則以憂
1:25:42因為過去呢
1:25:43很多計劃是看不懂的
1:25:46寫的真的是亂七八糟
1:25:48條理不清
1:25:50我要花很大的力氣才能夠了解他到底想講什麼
1:25:55那今天呢沒有這個問題
1:25:58今天所有的這些計劃假如用 AI 幫忙
1:26:02就是條理清楚架構清楚
1:26:04我都看得懂
1:26:06所以容易審
1:26:08可是反過來說呢
1:26:09今天所有的計劃呢
1:26:11都達到一定的水準
1:26:13過去我可以很容易的說
1:26:15這個英文就很爛
1:26:17然後他的講不清楚
1:26:19那表示他沒有想清楚
1:26:22所以這種計劃就可以很容易淘汰
1:26:25今天沒有這種計劃
1:26:27每一個都很好
1:26:29所以 reviewer 的工作就更困難
1:26:32因為你要去分辨哪些計劃是好的
1:26:36比別人好
1:26:39另外一個是呢
1:26:41作為 reviewer
1:26:42我擔心他的 reference
1:26:44都不可靠
1:26:47所以我每一篇假如我都要去檢驗
1:26:51那真的會把我累死
1:26:53所以 reviewer 真的負擔會很重很重
1:26:58所以那我們就還是要找 AI 來幫忙
1:27:02那現在確實有一些期刊開始做這種審查
1:27:07就是他做一個 AI 是 internal within-firewall
1:27:13所以這個時候他讓 reviewer 使用這個 AI
1:27:18這個資訊就不會外洩
1:27:21就保持了原來的這個 confidential agreement
1:27:25這樣就沒有問題
1:27:26那我相信這個會越來越普及
1:27:32那最近我就看到這個期刊 frontiers journals
1:27:36他們就用了這個 AI review assistant
1:27:39那它用來減輕
1:27:41審查人的行政與查核負擔
1:27:44它可以幫你檢查這個文字有沒有抄襲
1:27:48圖片有沒有 copy
1:27:50然後利益衝突
1:27:53就審查人跟作者之間有沒有這個潛在的利益衝突的關係
1:27:59那他的 IRB 有沒有得到的批准什麼這些
1:28:02各種各樣的這些基礎要求
1:28:05可以幫你做這些
1:28:07文獻是不是真的
1:28:10那我覺得這個省掉 reviewer 很多的負擔
1:28:13所以這是一個很好的事情
1:28:16那他也強調說是他不做接受或者拒絕的決定
1:28:22就是說最終的決定
1:28:24他不真正去 review 這個文章的好壞
1:28:28這個留給 reviewer 人去做決定
1:28:32可是我會想像
1:28:34人一定會偷懶
1:28:36假如我是一個 reviewer
1:28:37你給我這個 AI 幫忙
1:28:39那我多少去問一下
1:28:41那你覺得這篇文章好壞
1:28:43跟你所有看到其他的文章的比較
1:28:48那最終我們就還是會把很大一部分責任丟給 AI
1:28:54那這個未來會怎麼樣子發展
1:28:56是不是會重更改變我們今天的學術發表的這個制度
1:29:05我覺得這個都等著看會怎麼發展
1:29:09那有一個最新的例子
1:29:11就是這個
1:29:13International Conference on Machine Learning
1:29:17這個是 AI 的一個大型國際會議
1:29:21他們就做了一件事情
1:29:23他問 reviewer 說
1:29:26你在 review 的時候你要不要用 AI
1:29:28你可以選擇要或者不要
1:29:31然後他把這個文章丟給 reviewer 去審的時候
1:29:35他在裡面做了一個
1:29:37這個叫做 prompt injection
1:29:42就他放了幾個特別的字
1:29:46然後這個字呢假如說 AI 看了這個文章以後
1:29:50就會出現在他的這個 report 裡面
1:29:54結果他就抓到
1:29:57有 506 個 reviewer
1:30:00那做了 700 多個 review
1:30:03大概是所有 reviewer 的 1%
1:30:05那說我不會用 AI 幫忙審查
1:30:09可是用了 AI 幫忙審查
1:30:14那這個等於是一個釣魚啊
1:30:17他用了這個去釣出來這些人
1:30:19那他就把這些這些 reviewer 自己的 paper 通通 reject
1:30:26就有差不多 500 篇 paper 就直接 reject
1:30:31那這個做法
1:30:33一個是顯示說
1:30:34用 AI 做 review 其實是很常見
1:30:39而這個趨勢很難擋
1:30:40另外一個做法呢
1:30:43被很多人批評
1:30:44就是你把這個 reviewer 的 paper reject
1:30:49害到了他的 co-author
1:30:53所以你是害了額外的可能 innocent 的人
1:30:58所以認為說這是一個 unethical 的 entrapment
1:31:02就釣魚
1:31:04另外還有一個評論就是說這個做法只能用一次
1:31:08很快大家就學乖了下一次就不會這樣子
1:31:11大家就知道怎麼去躲開這個
1:31:14不過這個至少讓我們看到
1:31:16我覺得用 AI 來幫忙 review 很可能是一個趨勢
1:31:21必然會發生
1:31:23所以我的 summary 我想最主要幾點是
1:31:28研究是一個多元分工合作 AI 是其中一員
1:31:33審查計畫或者論文
1:31:34重點在創新可執行成功機會
1:31:37誰寫的不重要
1:31:40揭露無效而且造成困擾
1:31:43那用 AI 審查現在不可以
1:31:46未來可能會放寬
1:31:48當然是在有限度的條件之下放寬
1:31:53那這是 acknowledgement
1:31:56有一些人提供一些意見
1:31:59然後我用了很多的 AI
1:32:03最後我用這個做結論結語
1:32:09While intelligence is becoming artificial
1:32:12stupidity will always remain original.
1:32:17我覺得這滿有趣的不過這個來源是哪裡我也不知道
1:32:21有一天看到了
1:32:23好那我就今天講到這邊
1:32:26大家事前提的這些 Q&A 我希望
1:32:29大部分都已經能夠解決了
1:32:31假如還沒有解決的話
1:32:32歡迎可以提出來
1:32:34請問在場有沒有什麼要詢問的
1:32:38在線上還有 1000 人
1:32:39那有問題嗎
1:32:41我今天在等大家想問題的時候我先補充一下
1:32:44如果你是自然科學或者說就是實驗科學的話
1:32:48我們都知道現在有一個系統叫 credit
1:32:51credit
1:32:52edi 三個字是小寫其他都是大寫
1:32:55這一個系統它又分了作者的 14 種
1:32:58樣態譬如說你是 formal analysis
1:33:01或者 writing
1:33:02就是初步的 writing 還是 revise 等等等等
1:33:05它就把作者的 14 個角色都分出來
1:33:09那現在很多期刊是要求你根據這個 credit 這個模式
1:33:14去註明誰做了什麼事情
1:33:16然後你就會看到有人說什麼連 funding 的這個 obtained
1:33:21這樣子都可以寫
1:33:22然後還有 lab management
1:33:23還有 supervision
1:33:25還有什麼 idea 什麼什麼的
1:33:27你就看下面有很多人的縮寫
1:33:29這樣表示把那些所有作者不管多少人
1:33:31就要根據這個 credit 14 種分類去分
1:33:34那現在世界上有很多很多的研究大的機構像您剛剛提到的 cope
1:33:39還有像 STM 等等都是在提倡學術倫理的這些他們正在做一個辦法
1:33:45就是把這個 14 種的角色呢
1:33:49讓 AI 做出一個辦法讓 AI 也可以加入
1:33:53也就是說 AI 在這 14 種角色上面
1:33:56contributor 的角度上面的話它做了些什麼事情
1:34:00將來我們要揭露的時候
1:34:02它就有兩套系統包含說每一個人類作者
1:34:06它做了什麼事
1:34:07然後還有 AI 它做了些什麼事情
1:34:10所以我們就拭目以待這樣子
1:34:12我只希望現在我們常常講這個
1:34:15作者貢獻會要有一個表說每個人的百分比
1:34:20我其實覺得這個百分比很
1:34:22只有台灣的那個升等的代表作
1:34:25這個真的很難
1:34:26那我希望將來不要把 AI 放上去問 AI 貢獻的百分比
1:34:31因為很多這些貢獻真的很難去說
1:34:33AI 在學術研究有哪些做不到的
1:34:39這個有點大哉問
1:34:42它做到哪裡其實我覺得要看人的這個探索
1:34:47那目前很多人都認為 AI 的創新很有限
1:34:53那
1:34:54可是
1:34:56我覺得 AI 在某些程度上面它還是可以做到創新
1:35:01因為很多的創新過去其實就是把不同領域連接起來
1:35:06那 AI 現在可以幫你做這些事情
1:35:08你只要要求它做這個
1:35:10所以它就可以做
1:35:13所以
1:35:15你看我們諾貝爾獎已經頒給了 AI 的工具
1:35:20當然頒給的得獎的是那個人
1:35:22可是那個工具它可以做很多的事情是我們過去做不到
1:35:27所以我覺得怎麼去講它能做到哪些
1:35:31我覺得看人怎麼用它
1:35:33應該會越來越多
1:35:37或者把這題改一下就是
1:35:39現在從學術倫理的角度
1:35:41現在我們不允許 AI 在學術研究中做些什麼事情
1:35:45絕對不允許用它來產生 data
1:35:49我覺得這個數據
1:35:50不能夠是憑空造出來的
1:35:53當然有些狀況之下我們可能用
1:35:56我知道統計上面這些你會 random 產生一些數據
1:36:01然後用來做 training 什麼這種
1:36:04這種是特殊用途然後講清楚
1:36:06我覺得是可以的
1:36:09那就是你怎麼用它一定要講清楚
1:36:12然後經過 reviewer 可以接受
1:36:15然後讀者都 aware
1:36:18我覺得這樣就可以
1:36:19目前我想最關鍵的是這個
1:36:22那 AI 做的東西有錯
1:36:26那個就是我們要避免的
1:36:29也就是說它不可能取代了所有的 bench work
1:36:33或者是實證的資料包含像人文社會領域也會去收問卷
1:36:38或者說去訪談
1:36:41去做實地的觀察這個都不能
1:36:44所以實證資料是一個很好的
1:36:47就是一定要實證資料這個是 AI 沒有辦法提供的
1:36:52但是實證資料回來以後譬如說訪談了 15 個人
1:36:55我可以把我的訪談稿全部都輸給他
1:36:59叫他來幫忙分析一下這個可能還可以嗎
1:37:02這可以可是你要確認說他最後分析的真的是沒有脫離那些訪談稿了
1:37:10孫教授你好
1:37:13演講非常精彩
1:37:14我想請教一個問題就是說
1:37:16你在使用這
1:37:18你購買這三個 AI 工具的過程當中
1:37:21會不會發現到說其實它引用的文獻是
1:37:25大部分都來自於網頁或是 open access 的文章
1:37:29所以學生或是我們在寫計劃書的時候其實有一些比較核心的
1:37:34因為他沒有跟出版社這邊有簽版權的問題他沒有
1:37:38訓練的資料沒有跟出版社有很好的那種合作的關係
1:37:43當然現在 Wiley 有跟 Perplexity 他們合作
1:37:46所以你在使用的過程當中它出來的這一些參考文獻
1:37:51都是來自於網頁或是 open access 的文章
1:37:55會不會導致的你在它給的答案的時候
1:38:00其實它參考文獻都是一些學術上所謂
1:38:06所品質比較不是那麼嚴謹的這些文章
1:38:11會不會有這種現象
1:38:12然後導致了學生或是老師在大量使用 AI 之後
1:38:19就慢慢轉偏向了某一個方向
1:38:22往某一個方向走
1:38:24好謝謝
1:38:25這個很重要的一個問題
1:38:27就是確實他們能夠看到的資料都是公開的
1:38:36那所以那些沒有公開的他看不到
1:38:40在有些狀況他是可以
1:38:42就是假如有一篇文章被別人的文章裡面 cite
1:38:46所以參考文獻有
1:38:48然後有討論
1:38:50所以他會知道這些文章
1:38:52那假如一篇文章沒有出現在公開的資料庫裡面
1:38:58那他就找不到
1:39:00所以他給出來的答案在這個 sense 上面就會有一點 bias
1:39:06那這個會造成什麼樣的後果現在不知道
1:39:11那比較會擔心說
1:39:13爛的文章會越來越多
1:39:16那假如他是用大數據然後統計的話
1:39:19那爛文章將來會 dominate
1:39:23所以他的訓練當中還應該要把這個文章的 quality
1:39:29什麼也能夠加進去有不同的 weighting
1:39:33那我不知道現在他們有沒有做到這樣
1:39:36AI 現在的麻煩就是它還是一個黑盒子
1:39:40我們不知道他到底讀了什麼
1:39:42我們知道他讀了所有網路上的東西包含 wiki 包含了多少本書
1:39:47他有幾千萬本書
1:39:49然後他可能讀了一些 open access 的期刊跟論文
1:39:53可是那些所在 paywall 後面的就是要買的資料庫後面的那些東西
1:39:59我們剛剛講只有 Wiley 跟他簽了一個很
1:40:03譬如說跟某一家簽了一個很大的合同把 Wiley 所有的期刊的資料
1:40:08就賣給了那個生成式 AI 的系統
1:40:10可是其他的系統其實我們不知道譬如說最大的系統
1:40:14最大的知識庫在 Elsevier 裡面
1:40:16他不知道現在很多是鎖在資料庫裡面
1:40:19不知道那個有沒有進入 training 的 data
1:40:22所以您剛剛講的是說擔心現在
1:40:25就是因為如果你都是靠 AI 的話
1:40:27AI 就是靠那些 mediocre
1:40:29或者那些所謂的 open 的去回答你
1:40:33其實它可能真正的經典的著作
1:40:36或者那個領域中的最新的發展或最好的文章
1:40:40研究成果其實它是沒有辦法拿到的
1:40:43所以造成這樣子
1:40:46那我們下面還蠻多問題的
1:40:48不過我也想請教一下就是
1:40:52孫老師您
1:40:53我們以前
1:40:54您剛剛講的是說
1:40:56如果學生現在我們最大的問題是
1:40:58學生寫來的論文
1:41:00你不知道它的原創性在哪裡
1:41:03還是說它真的只是拼湊的
1:41:05或胡說一通
1:41:06然後
1:41:07這個是我們現在比較大的麻煩
1:41:08就是以前學生要寫英文論文寫的爛你就很生氣
1:41:12可是現在學生英文寫來每個人都乾乾淨淨漂亮亮你就會開始憂慮
1:41:18這樣
1:41:19然後呢它後面列了一大堆文獻
1:41:22我還要去
1:41:23我覺得我以前是要改學生的那個爛文章
1:41:27可是現在
1:41:28現在我變成一個偵探
1:41:29必須用火眼去看這句話到底是誰說的
1:41:33這句話為什麼沒有註出處
1:41:34然後我還要去看它所有後面的 reference 到底是不是對的
1:41:37那萬一是一個我不是那麼熟的領域
1:41:41或者說它可能讀的已經超過我了
1:41:44我沒有辦法判斷的話
1:41:46我覺得難道我要一筆一筆去查嗎
1:41:48所以我現在做了一個辦法就是要求我的學生
1:41:51你只要你後面有引用到的
1:41:55你全部的 doi 的文章要下載
1:41:58要打包給我
1:42:00我不一定會去看
1:42:01但是呢
1:42:02就是你要打包給我
1:42:04然後你裡面引到的網址全部要列成一張清單
1:42:07也就是說我只接受 doi 的論文
1:42:12好這個如果不是 doi 的那種就假裝它不存在好了這樣
1:42:16可是中文事實上中文很多不是 doi 的
1:42:19就是沒有 doi 的這個號
1:42:21這個英文大部分都有這樣
1:42:24我覺得就是除了 reviewer
1:42:26現在的期刊 reviewer 非常辛苦我們這邊有一題
1:42:30是跟 reviewer
1:42:31reviewer 真的太
1:42:34就是這個壓力變得很大
1:42:35然後作為 advisor 也是一個某種程度的 reviewer
1:42:38也是覺得壓力很大
1:42:40然後現在你當某期刊的 reviewer
1:42:42他是一天到晚丟 paper 給你幾乎每三天丟一篇給你的原因是
1:42:47現在所有的期刊的投稿量都倍數成長
1:42:52本來 reviewer 就已經很難找了
1:42:54現在更難找不要忘了跟國外的期刊的 reviewer 還是免費的
1:42:58就是我們這些是免費做義工因為這是 part of our jobs
1:43:03就 part of our career
1:43:04但是三天就丟一篇然後我有十個期刊
1:43:08我就幫過十個期刊審稿
1:43:11所以每一天都有一篇丟過來
1:43:15然後我有時候同時審了五篇
1:43:17就是變得我也壓力很大這樣子
1:43:19我要講了半天就是
1:43:21現在寫論文沒有那麼困難
1:43:25可是你要被 accept
1:43:27變得非常非常的困難
1:43:31那所有的期刊主編都跟我說
1:43:34他們現在最看到就是覺得只要有一點點看起來這個標題
1:43:38或者摘要有一點點覺得沒希望
1:43:41就立刻先 desk reject
1:43:42不然的話他可能要處理每天要處理上百篇他是沒辦法的這樣
1:43:47所以剛才有一個點就是文獻 reference
1:43:52我覺得我可以把它全部 copy 下來丟給 AI 請 AI 判斷
1:43:56因為文獻我覺得不牽涉到洩密
1:44:01對不對
1:44:02這個都是 published 的東西嘛
1:44:04那我從一個文獻我也沒有辦法推
1:44:08回推出來說他這篇文章裡面講了什麼
1:44:11所以我覺得直接用 AI 來幫我們判斷文獻是 ok 的
1:44:16可是其他部分的這些文字就比較麻煩
1:44:21那這裡講的說
1:44:22發現投稿者有 AI 虛構文獻
1:44:25那我覺得看你的心情吧
1:44:29你可以 reject 或者要求它改掉
1:44:33然後很嚴重
1:44:34它好多篇
1:44:35那我覺得這個就應該淘汰掉了
1:44:39我相信期刊
1:44:41我們大概不能用這個虛假文獻去說學生的 paper
1:44:46學生寫來的作業一定是怎麼樣
1:44:49可是
1:44:51就是說那個比較嚴重的就是譬如說跟成績有關的
1:44:55可是像期刊它其實不少你這一篇
1:44:58它投稿多得很耶
1:45:00所以它 reject 這篇其實也還好吧
1:45:04我覺得很多人現在是因為你有虛假的文獻
1:45:07我自動
1:45:08而且你沒有說你沒有說你沒有要宣告 AI 幫你做什麼
1:45:12我看到你有 AI 虛假文獻我可以自動的假設
1:45:16你裡面的東西也有一部分是虛假的對不對
1:45:19那就乾脆 reject 算了反正這期刊投稿非常多
1:45:23像我們過去也要看到一個人他的很多的拼字都錯了
1:45:27我就覺得他是 sloppy
1:45:29那他的整個研究的態度可能就不夠嚴謹
1:45:34所以他那個文章或者計劃我就會容易把它 reject
1:45:40我覺得跟這種概念是一樣的
1:45:42我們要先講的是其實現在很多的軟體
1:45:44包括像 Turnitin 或是 iThenticate
1:45:47它裡面也有一個功能是 check AI 寫成的機率
1:45:52那個才是麻煩因為如果它是相似度比較
1:45:56它給你一對一我也可以用嘛
1:45:58我一對一比的話我會知道我跟哪些人的文字很相似
1:46:02可是那一個數值它不會給你任何參考
1:46:05它就是決定就給你那個數字譬如說
1:46:08決定它覺得你這篇 32% 的機率是 AI 寫的
1:46:12問題是它沒告訴你哪裡
1:46:14然後我無從改進
1:46:18所以它就 reject 了
1:46:19可是這個 32% 或幾趴
1:46:21我們學校裡面是不可以用這件事情去當掉學生的
1:46:26我覺得我們不要被那些數字綁住
1:46:30那種數字都不是一個可靠的依據
1:46:35可是我是被錯殺的
1:46:41然後回來我的確是用了修改但不是全部
1:46:45我要講的是
1:46:46後來我們的辦法還是作者
1:46:50幾個作者每一個人改過一次以後
1:46:52最後還是送了人的 proofreader
1:46:54花了七八千塊送了人的 proofreader
1:46:57然後 hopefully 它不是用 AI 改的
1:47:00然後我們就要增添一點人味
1:47:02我已經生氣到覺得我要埋幾個錯筆
1:47:05拼錯字在裡面
1:47:06自己決定不就是 AI 寫的
1:47:09現在有 AI 可以幫你 humanize
1:47:11加一些錯字進去
1:47:14不過我覺得現在很多的期刊
1:47:17一開始都是用一個很嚴的態度
1:47:20因為他們還不知道要怎麼辦
1:47:23那我覺得這個當大家習慣了
1:47:26會慢慢的放鬆
1:47:28可是在這個 transition
1:47:31我們就只能夠遵守他們的規範
1:47:34但不要忘記喔一定要你的創意要勝出
1:47:39不然它得到三倍的量它一年要處理三四千篇它根本
1:47:44它如果它的 publication 的量沒有多的話
1:47:48那就變成選擇就更困難你要登上的
1:47:52被接受的這個機率就變小很多了這樣
1:47:55原創的角色
1:47:58然後 AI 幫你產生動作和場景
1:48:02我覺得動作和場景應該也是要你給它某些指令
1:48:07然後做選擇嘛
1:48:08所以我覺得還是你的作品啊
1:48:13另外就是說
1:48:13其實沒有所謂的 AI 的作品
1:48:16因為 AI 不能夠 claim 它的 ownership
1:48:23沒有一個 AI 會跳出來跟你搶這個原創的著作權嘛
1:48:28對啊我最近看像霍去病
1:48:30或者像什麼白蛇青蛇真的很 impressive
1:48:35但是這題我會認為還是可以算某種程度的原創作品這樣
1:48:41這位老師說
1:48:41請說
1:48:42今天感謝那個孫教授這個精彩的演講
1:48:47但是我這裡有一些淺見
1:48:48就是剛剛這邊有一個教授也在講
1:48:51因為那個
1:48:52就我所知道
1:48:53因為剛剛那個孫教授也有講過
1:48:55因為他們現在用 AI 的東西很多
1:48:58包括很多的一些文獻
1:49:00也不見得說它一定是很 low 的那種期刊
1:49:04很好的期刊它一樣也會上傳上去
1:49:07那上傳上去的話它就會進入到他們的 LM 模型裡面
1:49:11所以你在審查的時候他們有時候還是會
1:49:15有一些很好的期刊也是會出現在裡面
1:49:19只是說
1:49:20就是說在整個 AI 的使用來講的話它的參考文獻
1:49:24其實還是會有一個就是會有一些錯亂
1:49:27甚至有些可能是一些虛假的
1:49:30也就是說它可能是 A 作者
1:49:31可是 B 期刊
1:49:32但是它可能是 C 的內容
1:49:36所以在我這個審查的一個過程當中的話
1:49:40我發現就是 AI 的話它的那個參考文獻
1:49:46尤其是它的那個內文的東西
1:49:48它有時候就是東拼西湊
1:49:51所以你在使用 AI 的時候
1:49:54你可能要去嚴格的去查證
1:49:57就是說它的這個內容到底是真的還是假的
1:50:00尤其是現在很多的研究生
1:50:04他們反正就是就把一些東西全部丟到 AI 上面去
1:50:08他在做這個過程的時候就是在整個論文在寫完之後的話
1:50:13他也沒有去查證說這個東西到底是真的還是假的
1:50:16所以剛剛那個副校長講的就是
1:50:20可能要求學生可能在他的那個文章上傳的時候
1:50:25或是說他在 final 的時候可能要把它的那個
1:50:29就是說參考或引用的一些文獻的 doi
1:50:33可能要把它列出來
1:50:35要列出來的話這樣的話我們才能夠去做這個連結
1:50:40去了解說它這個東西到底是真的還是假的
1:50:43這是我這幾年大概在審查文章的時候所發現的一些問題
1:50:49尤其像有些投稿的他們在寫這個文章的時候
1:50:53他們並沒有交代它的一些數據
1:50:56比如說它這個實驗到底是怎麼做出來的
1:51:00它就可能只是就是很就是會漏掉就對了
1:51:06所以現在那個實驗記錄簿其實還是非常非常的重要而且是
1:51:11還是要詳細的自己用手寫或者把那個照片什麼什麼貼出來
1:51:16但是數據的話我知道像現在有些是用 DA 的方式
1:51:20因為畢竟有些實驗它的成本是非常的高
1:51:24所以它會用 DA 就會用那個資料增量的方式
1:51:27但是資料增量它基本上還是會有一個模型去
1:51:31去 fit 它看它到底是準確性到底怎麼樣
1:51:34我的學生的所有統計那個原始數據
1:51:38跟它跑出來的那個東西全部也是要給我的這樣
1:51:41第四題如果用 word 儲存對話記錄會不會被質疑說可能被修改
1:51:47我覺得當然所有東西這些東西都有可能修改啦
1:51:51可是你真的想像一下你要修改花的那個功應該是很不得了
1:51:58所以我不覺得這個修改會是一個
1:52:02對我覺得根據西方的文化只要你敢宣稱你是你的宣稱
1:52:08然後他基本上就相信你
1:52:10但是如果被抓到那就非常嚴重
1:52:13就你敢說我就敢相信你
1:52:15但是那你要修改你要這樣從頭到尾花這麼多功
1:52:20去做這些外在的事情而不去好好做你的研究的話
1:52:24那也沒辦法不過這個都是有可能的
1:52:27好就是寫 review
1:52:31我最近就在看說是譬如說我有一個構想
1:52:37那我就用 AI 可以幫我找相關的文獻
1:52:41它可以幫我整理然後我一個一個問題這樣問它
1:52:45那它就都幫我這樣子回答出來
1:52:48因為我覺得假如我用這樣來寫一個 review paper
1:52:52其實方便很多
1:52:55可是在這個過程當中
1:52:57我覺得還是我有我的想法然後我透過 AI 來幫我
1:53:03可是你也可以用 AI 來做完全不動大腦的幫你寫一篇 review
1:53:09我覺得現在這個是應該蠻容易做得到的
1:53:14那假如說它做了這個然後我再判斷說它裡面講的東西是不是真的
1:53:21可是那個整個架構那些東西可能就不是我
1:53:26參與了太多
1:53:28譬如說我要它寫一個 review 關於乳癌最新的治療方法
1:53:36它可以寫啊
1:53:37那我可能不需要再給它更多的這些指引
1:53:41所以在這樣的狀況之下
1:53:43這一類的 review 文章
1:53:45我覺得會越來越多
1:53:47其實我們現在也看到很多這種 review 文章
1:53:51它就是純 literature review
1:53:54它把所有的文獻整理
1:53:57可是沒有它自己的新的想法
1:54:01過去這種純文獻整理是有用的
1:54:04因為我們要找到這些文獻讀不容易
1:54:07可是現在因為這些很容易了
1:54:09所以其實在 AI 出來之前
1:54:12這一類的 review paper 就已經開始蠻多了
1:54:16尤其很多老師想要衝 paper 的話
1:54:19寫這種 review 是很簡單的
1:54:22或者說生醫方面
1:54:23尤其是醫學
1:54:25只有 systematic review
1:54:26其實甚至還有 umbrella review of systematic review of meta analysis
1:54:32這個其實很重要
1:54:33因為它看了過去的譬如說 100 篇
1:54:35然後就找到現在最新的乳癌治療的方法等等
1:54:40那我也要回應這一篇
1:54:43最近我讀到一篇文章
1:54:44這個作者實際上是就在
1:54:47他就說如果你的 review 的文章裡面有造假的文獻的話
1:54:53這個應該視為 fabricate
1:54:56就是它是造假的
1:54:58就是說如果你的你自己研究是自己做的你只是有幾篇文章
1:55:02你的參考文獻裡面是造假的
1:55:04這個剛您剛剛講還可以用行政去處理就是把它 correct 等等
1:55:08可是如果你是 review 文章而你 review 的文章
1:55:11你譬如說你 review 了 100 篇文章其中有 20 篇是造假的
1:55:15那這整篇文章就是叫造假
1:55:17因為你的 data 就是那些文章
1:55:21而那些文章是假的
1:55:22也就是你的 data 就是假的這樣子
1:55:24那就 review 的結果就是不準的這樣
1:55:27我們這邊有一位已經
1:55:28而是我們在做這個學生論文口試的時候
1:55:32可能遭遇的問題因為以前如果說有可能造假的行為
1:55:37可能是用 photoshop 它把膠圖改變貼上去
1:55:43可是現在 AI 自己就可以 generate 假的圖
1:55:46那我們這些當審查老師的人要怎麼監督這件事情
1:55:52還是幾乎是不可能的
1:55:56假如是像剛才講的那種示意圖
1:55:59其實你放大就可以看得出來錯誤
1:56:03假如說它造假的是數據
1:56:06那這個我覺得就真的比較難
1:56:09那我們過去假如學生有造假
1:56:12那你的實驗記錄本拿出來你的 gel 這些照片
1:56:18原始照片拿出來看
1:56:21可能都是要回歸到原始數據
1:56:24我們困難的地方就在於
1:56:27可能審查過程中會覺得它的 data 也很合理
1:56:30所以並不會要求它提供原始的資料出來
1:56:34那這個有沒有可能間接的導致一些會投機取巧的事情發生這樣子
1:56:41會啊會啊這絕對會
1:56:43投機取巧現在變成更容易了
1:56:46那我覺得其實跟過去講到這個
1:56:50數據造假這一類最重要的是實驗室的文化
1:56:56就是這個學生的論文不是今天才突然冒出來嘛
1:56:59它是經過一個過程
1:57:00這過程當中你要一直不斷跟學生的討論
1:57:05去檢驗
1:57:06那所以這個你會老師有機會找到這些狀況
1:57:12這題的回答是
1:57:14我個人認為是還可以
1:57:17只要你有加進作者的一些創意的思維或者判斷等等的話
1:57:25我覺得這種東西它可以發表
1:57:27可是假如我作為 reviewer
1:57:29我以後會用更嚴格的態度來審
1:57:33就是一個 reviewer 不只要看它是不是把所有的文獻都整理了
1:57:38我要看說它中間有沒有新的 point
1:57:42或者說它這個整理是不是平常人不容易做到的
1:57:47那這樣子這篇 reviewer 才有它的價值
1:57:51所以我會用更嚴格的角度去看
1:57:54我記得 APA 第七版出來的時候
1:57:56好像還沒有 AI 所以應該是沒有這樣子
1:58:00但是有些什麼資料庫那些都是有的
1:58:03APA 是什麼
1:58:04就是一種數目格式是常用於人文社會領域的
1:58:10可能還沒有
1:58:11不過你可以查可以問一下 AI 有沒有這樣子
1:58:14好去查一下 APA 格式這樣第七版這樣
1:58:16AI 可以幫你查
1:58:18假設角色扮演
1:58:20其實這個是有些人會發現
1:58:24這樣的角色會比較有用
1:58:27譬如說我假如希望他給我嚴格的批判
1:58:32那你叫他做嚴格的批判
1:58:34我覺得這個就有用
1:58:36要不然他很可能就給你一個 pamper 一下這個
1:58:40做得很好啊
1:58:42而且 ChatGPT 會比較給正情緒價值
1:58:45他說你問的很好問題呀 blah blah blah
1:58:47那我覺得 Gemini 比較像直男就直接丟給你答案這樣子
1:58:51所以我現在比較喜歡 Gemini 和 Claude
1:58:54我覺得他們比較 professional
1:58:57ChatGPT 會講一些
1:58:59給了很多下指令後給了很多指令說明 hallucination
1:59:03hallucination 幻覺
1:59:07目前看起來不會完全消失
1:59:09我們就是盡量減少
1:59:11可是你最終還是要去檢驗
1:59:14其實是跟他講說如果你不回答你就說不要回答了
1:59:17你不要硬湊答案給我
1:59:19因為他無論如何他都要回應你這樣子
1:59:22那我覺得用兩個三個 AI 很有用
1:59:26就我最近在規劃我要出國旅行
1:59:29而一個 AI 幫我規劃了整套的行程
1:59:32我覺得做得很好
1:59:34然後把它丟給第二個 AI
1:59:36他就說這中間有兩個安排呢
1:59:38是錯誤的不可行的
1:59:40那個單位在那個地點在那個時候根本沒有開放
1:59:45所以每個人他們可能掌握到不同的資訊
1:59:49那我覺得這個就非常有用
1:59:50一個給另外一個再給第三個
1:59:53這樣下來就錯誤就都抓出來了
1:59:56也就是說讓你的助理們自己互相監督
1:59:59學生們自己互相
2:00:01你做完實驗就丟給他他要重做類似這樣子
2:00:05就互相監督這樣
2:00:07再次感謝孫教授給我們這個精闢的演講
2:00:10然後他自己說他是比較 liberal 的
2:00:13liberal 的意思就是他是比較開採開放的心胸
2:00:17然後那個比較正向的看待
2:00:21可是對於期刊主編或者 reviewer 甚至指導老師來說
2:00:27其實我們還是蠻恐懼的這樣子
2:00:29也許我們應該重新思考那個時候所謂的創意是什麼意思
2:00:33學生的所謂獨立研究的研究精神是什麼意思這樣子
2:00:39好我們再次謝謝孫以瀚老師謝謝

About this transcript

This page contains the full transcript of 孫以瀚研究員 - 運用AI輔助撰寫研究計畫與論文：心態、技巧、學倫 by NYCU OCW, generated from the public captions YouTube serves with the video. The transcript has 3,762 words across 2,235 segments, with the original timestamps preserved so you can click any line to jump to that moment in the embedded player.

What you can do with it

Use the transcript to take notes, quote the speaker, build a study guide, generate a summary with ChatGPT or Claude via the YouTube Summary tool, or export it as a timed subtitle file with YouTube to SRT. You can also re-open it in the transcriber to choose a caption track available on the video.

Free YouTube transcript tool

YouTube2Text is a free YouTube transcript generator — no signup, no daily limit. Paste any YouTube link and get the full transcript instantly, with timestamps, click-to-jump, caption language selection, AI prompts for ChatGPT, Claude, and Gemini, and exports to TXT, SRT, VTT, or Markdown.