科研中的AI伦理不是一个理论话题，而是一系列影响你日常工作的实际决策。以下是重要的问题以及如何思考它们。
谁对AI生成的内容负责？
你负责。这在每个机构和出版商政策中都是明确的。如果Claude生成了一篇论文的摘要，其中包含事实错误，而你未经核实就将该错误纳入你的出版物，你就发表了不正确的信息。AI是一种工具；你是作者。来自AI工具的错误在专业上等同于来自研究助手的错误，你对你使用的工具的输出负责。
AI工具使用中的数据隐私
当你将内容粘贴到ChatGPT、Claude.ai或Perplexity时，该内容可能被用于模型训练（取决于你的账户设置和服务条款）。对于敏感数据，包括保密的患者信息、发表前的发现、专有商业伙伴数据、机密政府研究，你需要验证工具的数据处理是否满足你的IRB批准、保密协议和机构政策。本地模型（Ollama + Llama）完全避免了这个问题。商业订阅的Claude API比免费层有不同的数据处理条款。
AI研究工具中的算法偏见
文献搜索AI工具并不中立，其训练数据、相关性算法和语言覆盖范围影响你找到的文献。主要在英语来源上训练的工具会遗漏非英语文献，即使相关。有行业资助的工具可能以不同方式呈现行业赞助的研究。在评估你的文献搜索是否全面时，要注意这些偏见。
AI辅助研究中的知情同意
如果你的研究涉及人类受试者，并且你使用AI分析定性数据（访谈记录、调查回复），你的IRB协议应该解决这个问题。如果参与者事先不知道这会发生，将可识别的参与者数据发送到商业AI API可能违反知情同意。在对人类受试者数据使用AI之前，检查你的同意书和IRB批准语言。
环境成本
训练和运行大型AI模型有显著的能源成本。对大型模型的单次查询消耗的能源多于一次谷歌搜索。对于密集使用（批量处理数千个文档），环境影响是实质性的。在质量足够的情况下使用更小、更高效的模型，在需要隐私的情况下使用本地模型，可以减少这种影响。这是机构可持续发展承诺中的真实考量。
