在使用AI时，我们如何确保研究结果的科学性和可信度？

确保利用人工智能（AI）的研究科学性和可信度需要遵循严格的方法论原则和透明的报告，这在实践中是可行的。保持高标准涉及对传统研究实践的特定调整，以应对AI的独特特性。 关键原则包括明确的问题表述，将AI能力与研究目标对齐，细致的数据管理协议确保数据质量和具有代表性的抽样，以及在独立的持出数据集上使用已建立的度量标准进行彻底验证。方法论透明性要求详细记录AI模型架构、训练过程、超参数设置以及数据来源。必须在AI生命周期的各个阶段整合严格的偏差评估和缓解策略，而人类专家的监督对于解读结果、为发现提供背景以及识别AI工具引入的潜在限制或伪影仍然至关重要。 实施要求明确界定问题并选择适当的AI技术；仔细策划、预处理和记录训练与验证数据；使用健壮的度量标准严格训练和验证模型；对结果进行批判性分析，包括不确定性估计和错误分析；全面记录所有工具、代码和参数；并在整个过程中整合专家审查，以确保结论在科学上是合理的，并有证据支持。这种结构化的方法增强了可重复性，并促进了对AI生成的研究结果的信任。