超越原则主义：研究实践中合乎伦理的 AI 使用实用策略

生成式人工智能（AI），特别是大语言模型（LLM），在科学研究中的快速应用已经超出了伦理准则的发展速度，导致了“Triple-Too”问题：过多的高层伦理倡议，过多缺乏语境和实际相关性的抽象原则，以及过多关注限制和风险而忽视益处和效用。现有方法——原则主义（依赖抽象伦理原则）、形式主义（僵化应用规则）和技术解决主义（过度强调技术修复）——对于解决科学研究实践中 AI 的伦理挑战几乎没有提供实际指导。为了弥合抽象原则与日常研究实践之间的差距，本文提出了一种以用户为中心、受现实主义启发的方法。它概述了合乎伦理的 AI 使用的五个具体目标：1) 理解模型训练和输出，包括偏差缓解策略；2) 尊重隐私、保密和版权；3) 避免抄袭和政策违规；4) 与替代方案相比，有益地应用 AI；5) 透明且可复现地使用 AI。每个目标都配有可操作的策略以及误用和纠正措施的现实案例。我认为，合乎伦理的 AI 应用需要根据现有替代方案评估其效用，而不是孤立的性能指标。此外，我提出了文档指南，以增强 AI 辅助研究的透明度和可复现性。展望未来，我们需要有针对性的专业发展、培训项目以及平衡的执行机制，以在促进创新的同时推动负责任的 AI 使用。通过完善这些伦理指南并使其适应新兴的 AI 能力，我们可以在不损害研究诚信的前提下加速科学进步。