AI 是好工具，但不是好老師，
它說的話看似有條理，其實只是統計語感上的合理，而不是邏輯上的精確。
特別在研究現場，過度依賴 AI，會讓你逐漸失去判斷力與主體性，最後的產出，看起來很完整，實則空洞。
這三種 AI 使用方式，
聽起來方便，但長期下來，小丑往往是你自己。
▋1. 全盤接受 AI 對你研究進度的規劃
叫 AI 幫你列出每日進度、什麼時候要看文獻、什麼時候要寫初稿，
看起來很清楚，實際上一點都不貼近現實。
因為它根本不了解你的指導教授、你 lab 的文化、你 TA 的負擔、你家裡的壓力。
結果就是照表操課三天後全部崩盤，然後怪自己沒紀律。
▋2. 覺得 AI 很有道理就直接用進研究
你問 AI：「請幫我想一個 X 領域的研究問題」，
它生成的問題看起來頭頭是道，還附帶背景知識與方法建議。
但實際去查發現：十個問題九個人家早做過，剩下一個根本不可做。
AI 不是幫你省時間，而是讓你「以為自己已經準備好了」。
▋3. 把跟 AI 對話當作「學習」，卻從不驗證
你問：「這個理論可以怎麼應用？」AI 給了一大串示例。
你覺得：「哇我學到了好多。」
但你根本沒去查 paper、沒去找出處、沒去思考可行性，
最後只是在資訊泡泡裡，自我感覺良好。
—
AI 是加速器，不是方向盤。
方向不明，走得越快只是撞牆越快。
用 AI 要有主體，要懂得驗證、整合、挑戰它給的每一句話。
否則你研究看起來像樣，其實是精緻的錯誤堆疊。
