李家同／從網路下載資料要非常謹慎

最近我看到好多文章都在宣揚ＡＩ的能力，幾乎可以說「萬般皆下品，唯有ＡＩ高」。過去我們遇到問題，通常會問有學問的人或專家，也會翻閱圖書館的書籍和已發表的論文。如今時代變了，在網路上找資料的確很方便，但我們也要非常小心，容我講一個故事。

我與田慶誠教授曾共同指導過一名研究生，他對某個電子線路做了很多實驗，證明這個線路很好。有一天晚上，我研讀了這個線路的原理，發現這個線路有一個缺點，在某個情況下，這個線路會有錯誤的結果。我把這個發現告訴了田教授，他也同意了，我們兩人都感到非常困惑。

再和那位研究生見面的時候，他一點都不驚慌，要我們稍安勿躁；他在電腦上敲了一陣子，就修改了那個線路，問題也就解決了。原來，他做實驗時用的線路是在網站上看到的，線路的作者是一位相當有名的瑞士教授，他把論文送出去審查之前，就將線路公布在網站上了。我們的學生很聰明，他找到那篇發表在學術刊物上的論文，發現這篇論文已作了很小的修改，但這個修改相當重要。這個學術刊物有嚴謹的審查制度，審查者一定發現了這個問題，要求那位瑞士教授修改線路，所以最後版本論文記載的線路正確。

從這個例子可以看出，我們不能完全相信網路上提供的資訊。學術界有很多大師寫的書籍，以及有嚴謹審查制度的學術刊物，從這些地方找資料的正確度較高。現在很多人一再強調生成式ＡＩ的重要性，這使我感到相當困惑，因為生成式ＡＩ可能出錯，產生「幻覺」。查普通的資料固然可用，但為什麼要用生成式ＡＩ查學術資料？

做學術研究最怕閉門造車，研究生最怕的是寫了一篇論文，發現他的想法不是新的，早已有人有這種想法了。所以做學術研究必須閱讀相當多的論文，以防落入閉門造車的陷阱。我們要鼓勵學生多研讀有關的書籍和論文、積極廣泛參加學術研討會，多和專家學者們接觸。專家並不一定是教授，很多業界工程師都是值得我們請教的對象；我常需要請教在業界工作的學生，他們的經驗極為有用。

總而言之，做學術研究必須謹慎，老師應該幫助學生，使他們知道找資料的正確方法。我現在研究類比電路，也參加了一個類比電路的群組，一有問題就在群組中發問；群組中的回答可能非常不同，不過這些回答都極為有用，也使我茅塞頓開。我也曾在網路上尋找一些答案，但遠不如我從群組中得到的答案。這個群組對我還有一個好處，就是我可以和他們討論，因為我也不一定能夠立刻明瞭對方的回答。

希望大家了解，學術研究使用的資料必須相當正確；依賴生成式ＡＩ找資料，不是正確的研究方法。（作者為清大榮譽教授、博幼社會福利基金會榮譽董事長）