《hackernoon》報導指出，人工智慧在科學寫作方面雖能生成看似完美的文句，但其可能包含缺乏明確證據支持的推論，導致研究人員難以分辨AI的猜測與實際證據的界線，對學術寫作的準確性構成挑戰。
人工智慧（AI）在學術領域的應用日趨廣泛，特別是在科學寫作方面，其生成流暢專業文本的能力令人驚嘆。然而，根據《hackernoon》報導，這項技術也帶來了新的問題：AI 生成的科學文句可能看似完美無瑕，卻潛藏著缺乏證據支持的推論，讓研究人員難以分辨何處是事實，何處是 AI 的「想像」。
報導指出，曾有一個案例顯示，某人工智慧模型生成了一句關於鈣鈦礦微雷射的科學描述。該模型宣稱「Ce³⁺ 摻雜會引入中間能階，促使更有效率的載子弛豫，減少非輻射能量損失，進而降低雷射閾值」。這句話聽起來非常合理且專業，足以出現在一篇嚴謹的科學論文中。
然而，原始手稿僅提及 Ce³⁺ 可能會調節能階排列，並觀察到摻雜後雷射閾值確實降低，卻未明確指出 Ce³⁺ 引入了新的中間能階，也未直接說明這些能階提供了更有效率的載子弛豫路徑。換句話說，AI 模型在生成該句時，自行補足了一個未經作者證實的推論：即 Ce³⁺ 在該特定系統中引入了中間能階。
這個問題的關鍵在於，AI 生成的文本雖然能夠向前推論，但要辨別證據的終點與模型推論的起點卻非常困難。這對於要求嚴謹、可驗證性的科學寫作而言，是一大隱憂。當研究人員在撰寫學術論文時，每一個推論步驟的來源都至關重要，必須清楚標明是來自手稿本身、引用文獻，還是 AI 模型的通用知識。
《hackernoon》報導也提到，當研究人員提供更多相關的引用文獻內容給 AI 模型，例如關於 Ce³⁺ 摻雜對能階與弛豫行為影響的文獻，AI 就能生成更為精確且有依據的敘述。目前，學術寫作工具已開始整合引用來源到 AI 輔助寫作中，以幫助研究人員釐清寫作內容與證據之間的關係，提升科學文章的可靠性。