详细内容或原文请订阅后点击阅览
人工智能辅助科学狂野西部的实地指南
加州大学圣巴巴拉分校的研究人员发布了在环境科学中使用生成人工智能的十项规则，解决研究人员之间的信任、公平差距以及该技术的环境成本。
来源:Scientific Inquirer加州大学圣巴巴拉分校国家生态分析与综合中心 (NCEAS) 的研究人员发布了环境科学家在工作中使用生成式人工智能的指南。这项发表在《公共科学图书馆计算生物学》上的研究源于该团队构建野火恢复力指数的经验。
关键开发
该指南最初是 NCEAS 内部对话，解决了数十个研究团队中反复出现的问题：信任考虑因素、人工智能访问级别和聊天会话限制。该中心并没有让每个项目开发独立的实践，而是合作建立共享标准。
十大规则框架
已发布的指南将建议分为三个阶段：编码前准备（包括人工智能选择）、主动编码实践以及编码后验证和文档。
公平和准入问题
研究人员强调了人工智能采用效益的显着差异。 Rachel King 指出，“男性研究人员报告说，他们的生产力比女性同行有更大的提高”，联合国数据显示，许多低收入国家的 GenAI 使用率接近 5%，而一些高收入国家的这一比例为三分之二。付费工具等级可能会使全球资金不足的机构进一步处于不利地位。
环境和经济影响
支持 GenAI 的基础设施成本高昂：到 2030 年，数据中心可能消耗美国 4-12% 的电力，到 2028 年每年将消耗高达 320 亿加仑的水，同时还会对计算机科学就业造成干扰。
期刊：PLOS 计算生物学
DOI:10.1371/journal.pcbi.1014627
发布日期：2026年8月17日
来源：EurekAlert