上篇中，我们回顾了由ChemMedChem主编David Peralta主讲的Wiley“AI Tools for Writing and Research”研讨会中关于生成式AI在科研写作中的核心观点，点击查看👉研讨会回顾：Wiley主编解读科研人员如何正确使用AI?

但对于很多研究者而言，更实际的问题是：哪些AI工具值得使用？又该如何判断一个工具是否可靠、安全、适合科研场景？

1分钟get本文要点

Wiley推荐的AI工具评估框架LOCAD

哪些AI工具真正适合科研场景？

AI与未来科研关系的进一步思考

识别下方二维码即可观看回放：

*以下截图均来自本场研讨会演示稿

1. LOCAD原则：面对AI新工具，先问自己这5个问题

对于不断出现的新AI产品，Peralta提出了一个很实用的判断框架：LOCAD。分别代表：

• L（Limitations）

工具的能力边界是什么？有哪些限制？

• O（Ownership）

输入和输出内容的版权归属是谁？是否可能涉及侵权？

• C（Confidentiality）

数据是否安全？输入内容会不会被用于模型训练？

• A（Accuracy）

输出结果是否可靠？是否足够支持署名发表？

• D（Disclosure）

是否需要披露AI的使用？应该如何声明？

Peralta 认为，这套框架可以帮助研究者快速判断一个AI工具是否适合科研使用。

但他也提出了一个更值得思考的问题：当AI越来越方便，我们究竟是在获得效率，还是在慢慢失去独立思考能力？

2. 哪些AI工具值得科研人关注？

Peralta提到，目前很多AI工具已经从“单一聊天模型”发展为“增强型AI”。简单来说，就是通过RAG（检索增强生成）和CAG（缓存增强生成）等技术，把LLM（大语音模型）与真实数据库连接，从而降低“幻觉”风险，提高回答可靠性。

比如，Wiley目前也正在与Anthropic、Perplexit等公司探索合作。随后，Peralta分享了几类他认为值得关注的科研工具。

1. 文本与研究辅助

• Consensus：像ChatGPT和Google学术的组合，回答用户问题并附带真实论文来源。

• Elicit：以表格格式给出答案，并推荐参考文献，方便验证信息。

• Perplexity：将搜索引擎与LLM结合可以实时联网检索。Wiley目前与其合作，Pro版可以直接搜索Wiley数据库内容。

• AI2 Scholar QA：由Allen Institute for AI（AI2）开发，基于开放获取论文进行问答。

2. 文献管理与发现

• Research Rabbit：被称作“科研版Spotify”，帮助用户发现相关文献，并以可视化方式展示研究主题之间的关联，也支持与Zotero等工具联动。

• Scite.ai：针对论文写作，还能生成带参考文献的回答。

3. 写作与生产力工具

• Google Notebook LM：Google推出的研究笔记工具，可以自动生成“播客式”的音频总结。

• GeniAI：实时写作助手，过程中提供改写建议、优化措辞，并辅助进行引用与事实核查。

4.行业定制工具

• Potato AI：由Wiley创新项目支持，主要面向企业科学家，帮助加速研发方案与工作流程生成。

• Figure Labs：生成式科研绘图工具，生成专业风格的实验示意图。

3. 即便是“增强型”，也无法完全替代人工

Peralta介绍的这些工具各具侧重，其中相当一部分提供免费版本或面向学术场景的使用方案。

他也特别提醒，任何工具都有局限：例如MIT Technology Review曾指出，一些增强型AI工具也出现过错误引用撤稿论文（retracted papers）的情况。

因此，人工审核仍然不可替代。

4. 未来的AI，会不会成为“研究员同事”？

在Q&A环节，主持人和Peralta也回答了观众提问，比如不使用AI是否需要声明（无需声明）以及编辑使用安全工具的建议（仅在确保保密性时使用）。

在研讨会尾声，主持人提出了一个更开放的问题：当AI能够独立完成从问题概念化到论文撰写的全流程，而人类研究本身也是“站在前人肩膀上”，我们如何界定“创新”的边界？

这一问题目前并没有标准答案，对于很多研究者来说，未来最重要的能力，可能不只是“会不会使用AI”，而是：如何在效率、原创性与判断力之间，找到新的平衡。

关于主讲人

David Peralta

ChemMedChem主编

Wiley期刊发展部，物质科学方向

支持单位：