不要讓 AI 幫你選題 Don’t Let AI Pick Your Research Question\

兩篇文獻，一個共同的壞消息

先想像一個很具體的星期五晚上。你手上有一份剛跑完的資料、一個下週一到期的摘要投稿、以及一個可以在三十秒內幫你生出一段像模像樣的討論的工具。你知道那段文字會通順、會引用得體、會讓你準時交件。你也隱約知道，那段文字不會是你想出來的。

這個場景之所以值得停下來看，不是因為它涉及作弊——絕大多數時候它完全合法、合乎期刊規定、也沒有任何人受害。它值得停下來，是因為當這個選擇被重複幾百萬次之後，整個學術體系會變成什麼樣子。而這件事，已經有人量過了。

2023 年，《ACS Nano》主編 Jillian Buriak 團隊發表了一篇關於 AI 寫作的社論。裡面有一句話被引用至今：科學研究正在變得越來越不具顛覆性——用他們的比喻，是「more cookie cutter and less CRISPR」（更多餅乾模具，更少 CRISPR）。社論的擔憂很明確：如果研究者把文獻閱讀、思考與初稿撰寫都外包出去，我們最終只會反覆咀嚼既有的常規知識。

當時這比較像一種預感。三年後，2026 年 3 月的《Nature Medicine》給了這個預感一組冷冰冰的數字。Chen 等人用 LLM 輔助的方式，系統性回顧了 2022 年 1 月至 2025 年 9 月間所有評估 LLM 於臨床醫學的原始研究，共 4,609 篇——平均每天 3.2 篇。他們建立了一套證據分級框架（Tier S／I／II／III），依「資料真實度」與「研究設計嚴謹度」分類。結果如下。

四千六百篇論文，撐得起「真實臨床證據」的不到四分之一，能稱為隨機對照試驗的只有 19 篇。這不是某個冷門角落的統計，這是整個「醫療 AI」領域三年多來的全部產出。

怎麼讀「33%」這個數字

同一份回顧裡還有一組更值得咀嚼的數據：在 1,046 組人機對決中，LLM 只在 33% 的比較中勝過人類。這個數字很容易被兩邊各自誤用——樂觀的一方說「三分之一已經很驚人」，悲觀的一方說「連一半都不到」。兩種讀法都錯過了重點。

重點是這句話的後半：勝率隨任務真實度與對手資歷升高而下降。也就是說，33% 不是一個關於「AI 有多強」的常數，而是一個關於「你把它放在哪裡」的函數。同一個模型，在選擇題上贏過醫學生，在真實病房裡輸給主治醫師。任何脫離情境談 AI 能力的說法，都是在報告一個平均值，而那個平均值不對應任何一個真實的工作場景。

另外兩個常被略過的細節，同樣影響我們該怎麼看待這批證據：超過四分之一的研究樣本數不到 30，而所有受測模型中有 65.7% 屬於 OpenAI 系列，Gemini／Bard 以 13.1% 居次。前者意味著大量結論建立在統計力薄弱的基礎上；後者意味著我們對「AI 在醫學裡表現如何」的集體印象，其實高度綁定在單一供應商的單一產品線上。這兩件事都不是造假，但它們限制了這批文獻能承擔的推論重量。

Tier 不是流程，是風險刻度

這套 Tier 框架很快在中文圈流傳開來，但流傳過程中發生了一個值得注意的變形：不少人把它直接對應成「科研工作的四個階段」——Tier III 是開始，Tier II 是中段，Tier I 與 Tier S 是結尾。

這個誤讀會發生，是因為它讓人舒服。分級表在版面上長得像階梯，而階梯天生就有方向感；把它讀成流程，我們就得到了一張「照著走就好」的地圖。但 Tier 分級衡量的不是時間順序，而是證據強度與情境真實度。

而 Chen 等人的關鍵發現正好是：真實度越高，AI 的相對表現越差、可用證據越稀缺。把 Tier S 放在流程末端當成「最高殿堂」，暗示的是「AI 陪你一路走到最嚴謹的地方」——這恰恰把原論文的結論用反了。正確的借鏡方向不是延長這條線，而是換一條軸。

用這條軸重新畫，才是一張自洽的地圖：

注意兩件事。第一，有兩格是框架外的——選題與初稿撰寫在證據分級裡找不到對應，因為那兩件事根本不是「AI 表現得如何」的問題，而是「這件事該不該交出去」的問題。誠實承認類比的斷點，比硬把它填滿更有說服力；一個需要削足適履才成立的框架，本來就不值得信任。

第二，這張表的形狀是兩端窄、中間寬：AI 最有用的位置在流程的中段，最危險的位置在頭尾。

順帶一提，這條軸不只適用於寫論文。你如果正在評估要不要把某個 AI 工具導入門診或病房，同一個問題也成立：這個任務的真實度與後果嚴重度落在哪一格？如果答案接近 Tier S，那麼你需要的不是更好的模型，而是更密的人類把關與更嚴謹的前瞻設計。

選題：cookie-cutter 真正的產地

多數討論聚焦在「不要讓 AI 代筆」。但平庸科學的根源不在文字，在題目。一篇文字生澀但問題新穎的論文，仍然可能是好研究；一篇文筆流暢但問題陳腐的論文，就是標準的餅乾模具。文字層次的平庸還救得回來——編輯、共同作者、審稿人都會幫你改。題目層次的平庸沒有人救得了，因為到那個階段，所有人都只能在你選定的框架裡給意見。

而 LLM 在選題上的風險，是機制層面的，不是使用態度層面的：語言模型的本質是逼近訓練分布的條件機率。你問它「這個領域還有什麼值得研究的問題」，它給你的是文獻的重心，不是文獻的邊界。而文獻的重心，定義上就是最不 disruptive 的地方。

更麻煩的是，這個偏差不會讓你察覺。它給你的建議看起來完全合理——因為它確實合理，它只是已經被很多人想過了。你不會得到一個明顯的壞題目，你會得到一個安全的好題目，然後在兩年後發現自己做的是第四十七篇同類研究。

反過來用 AI 的三種方式

1. 用 AI 定位共識，然後刻意離開它。問「這個領域目前的主流假設是什麼？大家預設哪些事情是真的？」——把答案當成地圖上的市中心，然後去看郊區。共識摘要的價值不在於告訴你該做什麼，而在於精確地標出「這裡已經有人了」。
2. 問「沒有人做什麼」，而不是「該做什麼」。例如：「在 CKD 的 LLM 研究裡，哪些病人族群、哪些照護環節幾乎沒有被評估過？為什麼可能沒人做？」最後那句很重要——有時答案是「太難」，有時是「大家沒想到」。前者是坑，後者是機會。而 AI 通常分不出這兩者，那個判斷得由你來下。
3. 用臨床現場當校正。AI 不知道你上週查房時哪個決策讓你猶豫了三分鐘。那三分鐘就是題目。任何從真實不確定感長出來的問題，天生就不會是餅乾模具，因為訓練資料裡還沒有它。

選題自檢三問

• 如果這個問題的答案是「否定的」，還值得發表嗎？若不值得，你問的可能是確認題而非探索題——而確認題的產出，本質上就是餅乾模具。
• 這個問題有沒有可能只是「把已知方法換一個資料集重跑一次」？換資料集本身沒有錯，但你要能說出：換了之後，我們對世界的理解多了什麼？
• 三年後回頭看，這篇論文改變了誰的行為？如果答案是「沒有人，但它會出現在我的升等清單上」，那也是一個誠實的答案——只是要知道自己在做什麼交換。

破冰與大綱：小心錨定效應

面對空白頁面的癱瘓感是真實的。《ACS Nano》社論本身也承認，AI 能幫忙打破寫作初期的思緒卡殼、跨過動筆的啟動障礙——對非英語母語的研究者尤其如此。這是 Tier III 的能力被正確使用的樣子：知識檢索、結構整理、把陌生領域的地形先描出來。

但社論緊接著給了一個常被忽略的警告：AI 給你的起始文字，會把你在心理上釘在某一種思考與書寫方式上。這不是道德問題，是認知偏誤——錨定效應。你一旦讀過一個順暢的架構，要再想出第二種架構的難度會顯著上升。不是因為你懶，而是因為大腦傾向於在既有結構上做局部修改，而不是重新來過。

四個實務對策

• 先寫再問。花 15 分鐘手寫（或口述）自己的凌亂 bullet points，再拿去問 AI。這 15 分鐘保護的是你的原始思路，不是你的自尊。事後你可以比對兩份清單——AI 有而你沒有的，是你的知識缺口；你有而 AI 沒有的，很可能是這篇論文最值錢的部分。
• 要求互斥的多個版本。不要說「幫我列大綱」，要說：「請給我三個論證邏輯彼此不同的架構——一個以方法創新為主軸、一個以臨床問題為主軸、一個以反直覺發現為主軸——並說明各自的取捨。」多樣性是對抗錨定的解藥。
• 問爭議，不要只問共識。補課時最有價值的問題不是「這個領域的現況是什麼」，而是「這個領域裡，哪些事情專家之間至今沒有共識？各方的立場與證據基礎分別是什麼？」爭議點是文獻的斷層線，而斷層線通常就是新研究的落腳處。
• 把大綱當成靶，不是模板。拿到之後第一件事是問：這個架構預設了什麼？如果我不同意這個預設，架構會變成什麼樣？

初稿：「transformative」到底指什麼

《ACS Nano》社論說，撰寫第一篇學術手稿對研究生與青年學者是一次極具轉變性（transformative）的智力訓練。這句話容易被讀成單純的道德勸說，但它其實有具體所指：寫作是唯一會強迫你發現自己「以為懂了但其實沒懂」的活動。

你在腦中覺得通順的因果鏈，一旦要寫成句子，就會暴露出缺環。那種「寫到一半突然卡住，發現自己說不出為什麼 A 會導致 B」的時刻，不是寫作能力不足，那是理解的邊界被摸到了。這個痛苦的過程無法外包，因為外包之後，缺環會被 AI 用流暢的過渡句補平——你的論文看起來完整了，你的理解卻停在原地。這才是「被剝奪」的實質內容。

三個測試：你是不是真的懂自己在寫什麼

• 你能說出一個反例嗎？如果你主張某個關係成立，你應該能描述在什麼條件下它會不成立。說不出來，通常代表你只記得結論、沒理解機制。
• 你能畫出因果圖嗎？把變項畫成節點、關係畫成箭頭。畫不出來的地方，就是你論證裡的黑箱。
• 如果數據是反的，你會怎麼解釋？先想好這個答案。如果你發現自己對正反兩種結果都能講出一樣漂亮的故事，那你的理論可能什麼都沒預測。

但這裡必須誠實面對一個張力。對非英語母語的研究者來說，「自己寫」和「寫得好」之間有一道結構性的不平等。要求所有人赤手空拳寫英文，某種程度上是在懲罰語言，而不是在獎勵思考。一個台灣的臨床研究者，可能對自己的資料理解得比任何人都深，卻因為冠詞與時態被審稿人判定為「presentation needs major improvement」。這種損失是真實的，而且是可以用工具彌補的。

所以問題不是「該不該用」，而是「界線劃在哪」：

對抗性壓力測試：被低估的用途

先處理一個內在矛盾。很多文章一邊說 LLM 只是「巨型自動接龍機」，一邊又說它可以當審稿人。這兩句話不能同時成立——如果它真的只是機率接龍，它憑什麼指出你論證裡的漏洞？

比較準確的能力模型是：LLM 的強項是覆蓋度，弱項是判斷力。它讀過的論文比你多得多，所以非常擅長提醒你「這個領域的人通常會問什麼」，包括那些你忘了處理的常見反駁。但《ACS Nano》社論同時指出，AI 在判斷一個異常結果究竟是雜訊還是突破這件事上，可能比人類更差。

這兩件事合起來，給出一條很乾淨的使用原則：用它來查你有沒有漏掉常見的東西，不要用它來判斷你的新東西對不對。前者是覆蓋度問題，它強；後者是判斷力問題，它弱，而且錯得很有自信。

有意思的是，《ACS Nano》社論本身推薦的用法，正是「寫完初稿之後」再拿 AI 來取得互補視角——這和「先用 AI 起草」的直覺剛好相反。同一個工具，放在流程的不同位置，一個是解藥，一個是毒藥。

比「請扮演嚴厲審稿人」更有效的五種提示

1. 指定立場，而非情緒。「請以一位主張『這個效果只是選樣偏誤』的審稿人立場，寫出三點主要質疑。」給對手一個具體的反假設，比要求它「嚴厲」有用得多——「嚴厲」只會換來語氣兇一點的泛泛之論。
2. 要求指認超載的句子。「請逐句標出：哪些結論的強度超過了 Results 所能支持的範圍？引用我的原文並說明超出在哪裡。」這是最容易有具體收穫的一招。
3. 反向摘要。「不要評論，只根據這份初稿寫出一段 100 字的摘要。」如果它寫出來的不是你想表達的東西，問題出在你的文章，不是它的理解。這是最便宜也最誠實的可讀性測試。
4. 要求列出未言明的前提。「你沒說但讀者會假設」的東西，是審稿意見的最大宗來源。
5. 多模型交叉。用兩三個不同的模型跑同一份初稿。重疊的批評大概率是真問題，只出現一次的往往是雜訊。

讓它指，不要讓它改

一個容易忽略的操作細節：拿到批評之後，修改必須由你動手。如果你把整份初稿丟回去說「請依上述意見修改」，你得到的會是一份語氣更保守、句子更平滑、但論證重心已經悄悄移動過的稿子——而你不會知道移動了什麼。

更根本的是，AI 的意見裡本來就會混雜一定比例的正確、空泛與錯誤。全部照改，等於讓模型的平均值改寫你的論文——那正是餅乾模具的另一條產線。逐條判斷「這個批評對不對、要不要接受」的過程，本身就是訓練；跳過它，你只是換了一個更有禮貌的方式把稿子交出去。

查核與揭露：不能妥協的地帶

到了投稿前的最後階段，你進入了「有真實後果」的區域。這裡對應 Tier I／S 的精神：容不下模糊。一個錯誤的引用不會讓病人受傷，但它會進入文獻網絡，被下一個人引用，然後被下下一個人當成既定事實。學術文獻的錯誤有複利。

引用查核 SOP

1. 每一條參考文獻，用 DOI 或 PMID 到原始資料庫比對——不是用搜尋引擎看標題像不像。
2. 確認作者、年份、期刊、卷期頁碼全部吻合。
3. 打開原文，確認你引用的那句話真的在裡面，而且原文真的是那個意思。這一步最常被省略，也最常出事。
4. 每一個轉述的數字，回到原文的表格或圖去核。特別注意單位、分母，以及「相對風險」與「絕對風險」的混用。
5. 如果那篇文獻是 AI 推薦給你的，而你從來沒有真的讀過全文——現在讀，或者拿掉。

四種幻覺，四種抓法

其中語意漂移最危險：引用存在但語意被扭曲，比引用捏造更難被抓到——它通過所有自動檢查，只有真正讀過原文的人才會發現。而它同樣不誠實。《ACS Nano》社論給的原則很簡單，就是不斷地檢查、再檢查。這聽起來像廢話，直到你被抓到一次。

出版倫理：四件必須知道的事

• AI 工具不能列為作者。這是各大出版社與 ICMJE 的一致立場——作者身分意味著責任歸屬，而 AI 無法承擔責任。
• 使用需要揭露。多數期刊要求在致謝或方法段說明使用了什麼工具、在哪個環節、做了什麼。純語言潤飾與內容生成的揭露要求可能不同。
• 作者對全文負完全責任。「那段是 AI 寫的」不是任何情況下的免責事由。
• 同儕審查中使用 AI 通常受到更嚴格限制（涉及未發表稿件的機密性）。若你擔任審稿人，請特別確認期刊規定。

留一份使用紀錄

一個很少人做、但成本極低的習慣：把你在這篇論文中用過的關鍵提示與模型輸出，另存一份時間戳記的紀錄。理由有兩個。

對外，如果將來有人質疑你的寫作過程，你有東西可以拿出來——而不是只能重述記憶。對內，這份紀錄會誠實地告訴你，你到底把多少決策交出去了。人對自己的依賴程度通常估得偏低；一份看得見的紀錄，是唯一的校正方式。順帶一提，這也讓多人共同作者的稿件有據可查：共同作者有權知道這份稿件是怎麼寫出來的。

AI 可能不是元凶，只是放大器

如果整篇文章只是勸大家「不要依賴 AI」，那它自己就是一篇缺乏顛覆性的文章。有四個反面論點必須放進來。

第一，顛覆性的下滑早於 AI。《ACS Nano》社論引用的那份 2023 年《Nature》研究（Park 等人分析數千萬篇論文與專利的 CD 指數）顯示，研究的顛覆性從二十世紀中葉起就在持續下降。ChatGPT 2022 年底才問世。時間軸不支持「AI 導致平庸化」的簡單因果——把責任推給一個 2022 年才出現的工具，是很方便，但不成立。

第二，真正的結構性成因可能在誘因。升等與計畫審查看論文數量與影響因子、審稿週期獎勵安全的增量研究、資助機制偏好可預期的成果——在這樣的環境裡，理性的研究者本來就會生產餅乾模具。AI 只是把生產成本壓低了，讓原本就存在的傾向更快地顯形。這代表：如果你所在的機構真的在意研究品質，該調整的是評鑑指標，不是禁用工具。

第三，也有相反方向的可能。AI 大幅降低了跨領域的入門成本。一個腎臟科醫師要讀懂整數規劃的文獻、一個作業研究學者要理解臨床流程，過去可能各需要半年。而顛覆性創新的一個經典來源，正是把 A 領域的方法帶進 B 領域。從這個角度看，AI 也可能提高顛覆性——關鍵在於使用者把它當成跨界的橋，還是同溫層的迴音壁。

第四，在品質面上，AI 的貢獻可能是正向的。自動化的統計檢查、程式碼審查、報告規範（CONSORT、STROBE、TRIPOD）的逐條比對、方法段完整性的核對——這些工作枯燥、重複、而且人類做得不好。把它們交給 AI，可能實質提升研究的可複製性。討論 AI 對科學的影響時，只算創造力的帳、不算嚴謹度的帳，本身就是一種偏誤。

這四點不推翻本文的主張，但改變了主張的性質：問題不是「用不用 AI」，而是你的科研誘因結構、以及你自己的智識野心，會把 AI 推向哪個用途。

四種身分，四種責任

到目前為止，這篇文章都是寫給「正在寫論文的人」。但這件事不是個人自律就能解決的——你在體系裡的位置，決定了你能施力的地方。

其中第二列可能是最關鍵的。一位指導教授如果只在乎「這學期產出幾篇」，那麼無論怎麼耳提面命，學生的理性選擇都是把能外包的全部外包。相反地，如果 meeting 的第一個問題永遠是「你為什麼選這個切入點、你考慮過哪些替代解釋」，學生自然會把力氣花在那裡。你問什麼問題，就會得到什麼樣的研究者。

投稿前的一頁清單

最後一題如果答不出「在」，那不是 AI 的問題。

稀缺的從來不是文字

科學運作的基礎是榮譽制度——沒有人會逐句驗證你有沒有真的讀過那 47 篇文獻。這個制度在 AI 出現之前就靠自律撐著，在 AI 之後只是被施加了更大的壓力。壓力本身不是壞事；它只是讓原本模糊的東西變得清晰：一個研究者到底在乎什麼，現在比以前更容易被看出來。

回到開頭那組數字。即使在「AI 用於醫學」這個最熱門、投入最多、產出最快的領域，四千六百篇論文只換來十九個像樣的隨機試驗。這既是對 AI 的警告，也是對我們自己的：大量生產與真正推進，是兩件不同的事。而在一個生產成本趨近於零的環境裡，這兩件事會越離越遠，除非有人刻意把它們拉住。

把 AI 放在它擅長的中段——補課、搭架、挑漏洞；把兩端牢牢握在手裡——問題從哪來，結論憑什麼成立。這不是對 AI 的道德抵抗，而是對稀缺資源的正確配置。

在一個文字產能無限的時代，稀缺的從來不是文字，是判斷力。

---

1. Buriak JM, et al. Best Practices for Using AI When Writing Scientific Manuscripts: Caution, Care, and Consideration—Creative Science Depends on It. ACS Nano. 2023;17(5):4091–4093. doi:10.1021/acsnano.3c01544
2. Chen SF, Alyakin A, Seas A, et al. LLM-assisted systematic review of large language models in clinical medicine. Nature Medicine. 2026;32(3):1152–1159. doi:10.1038/s41591-026-04229-5
3. Park M, Leahey E, Funk RJ. Papers and patents are becoming less disruptive over time. Nature. 2023;613(7942):138–144. doi:10.1038/s41586-022-05543-x