随着人工智能工具在斯坦福大学科研中的广泛应用，不同学科的教师正就如何在不损害学术严谨性、伦理规范和人类判断的前提下合理使用AI展开深入讨论。历史学副教授凯瑟琳·奥利瓦里乌斯对AI持谨慎态度。她的研究聚焦19世纪美国，依赖档案材料的实地查阅、细致文本分析与原创性解读，而大量原始资料尚未数字化。“ChatGPT或生成式AI并非直接接入档案库，”她指出，许多学生误以为历史文献已全面上网。她承认AI在润色文字方面表现良好，但坚决反对用其生成研究初稿。“对大多数学者而言，真正的思想和好点子都源于反复写作的艰苦过程，我不会将这一核心环节外包给AI。” 奥利瓦里乌斯还担忧AI在历史研究中的伦理问题，称当前是“无人监管的西部时代”。“目前尚无关于AI使用的伦理共识。如果想法不是你自己的，就不是你的，这在某种程度上可视为AI抄袭。”她举例称，自己曾让AI生成一篇历史领域论文，结果出现重大误读，而只有她这样的专家才能发现错误。“非专业者无法识别AI的错误，这会严重威胁研究的可靠性。” 面对挑战，部分教师正致力于提升研究者对AI的使用能力。跨学科数字研究中心数据科学培训与咨询主管哈姆·朱延表示，研究人员的咨询需求已从泛泛了解AI，转向具体工具评估与技术应用，尤其关注如何通过API实现成本效益最大化。“这标志着AI关系的成熟，正从初步试用转向有意识、批判性且符合伦理的科研整合。” 她指出，研究者越来越关注AI的底层机制，如Transformer架构，同时加强伦理与实践规范意识。在定性研究中，学者尝试用大语言模型进行编码和数据提取，但始终警惕“幻觉”和错误输出对研究有效性的破坏。“我认为AI并未根本改变研究者所需技能，反而使批判性阅读、写作与思考能力变得更加重要。” 地球与行星科学教授杰夫·卡尔斯则在AI已深度嵌入的领域工作。他研究矿产勘探与地热能开发中的不确定性决策。AI能处理人类无法独立分析的复杂数据，帮助优化从勘探到开采的全链条决策。他强调，AI的价值不仅在于效率，更在于推动可持续性——“传统矿产开发常忽视环境影响，而AI能提前整合社会、生态与经济因素，最终节省时间与成本。”他指出，AI不会理解系统复杂性，其作用是辅助而非替代。 斯坦福正逐步建立AI使用规范。教师们普遍认为，真正的挑战不在于使用AI，而在于确保其增强学术研究，而非削弱学术的严谨性、责任性与协作精神。