AI对研究任务有用，但需要了解其特定的失败模式。被坑害的人是那些将AI输出视为权威的人；受益的人是那些将其用作思考伙伴同时独立验证声明的人。
AI研究有帮助的地方
方向定位：开始研究不熟悉的主题时，AI提供该领域的快速地图——主要概念、关键术语、重要人物、辩论内容。这个定向阶段确实有价值且风险低（声明足够一般，易于验证）。问题生成：“X领域的专家会问关于Y的什么问题？”比从头开始生成更好的研究问题。综合：收集来源后，AI可以帮助综合：”这里有五篇关于X的论文。他们的共同点和分歧点是什么？”粘贴摘要，而不仅仅是标题。
AI失败的地方
具体事实、引用和统计数据。AI模型会产生幻觉引用——它们以自信的语气生成听起来有说服力但不存在的论文标题、错误的作者名字、错误的日期和错误的研究发现。永远不要使用AI提供的引用而不在数据库中独立验证（Google Scholar、Scopus、PubMed）。声明越具体，幻觉风险越高。
Perplexity AI作为更好的研究工具
Perplexity AI与ChatGPT/Claude的研究区别在于它内联引用来源并在响应前搜索网络。引用仍不总是可靠，但验证模式（点击查看、检查来源确实说了所声称的内容）更易于审计。将Perplexity用于时事研究和近期统计数据；将Claude/GPT用于你提供的材料的综合和问题生成。
不可替代的步骤
阅读原始来源。直接在同行评审数据库中搜索。对照官方来源交叉核查统计数据（Eurostat、政府数据门户、WHO数据库）。AI帮助你找到要读的内容并综合你读过的内容；它不能替代阅读本身。
