2025年10月，Futurism发布的报道基于一份预备性报告，直接给学术界敲响警钟：研究人员对AI工具的信任度在过去一年内出现剧烈下滑。报告并非泛泛而谈，而是通过对从事不同学科、不同级别研究者的访谈和问卷收集细节，呈现出一种反直觉的关联——与AI接触越频繁，怀疑越深。
受访者具体举例了他们遭遇的场景：在统计分析中，生成模型会自信地给出错误结论；在文献综述与论文撰写中，模型常常“编造”不存在的引用；在实验设计和假设检验环节，AI推荐的路径未经过可重复性检验便被采纳，造成后续无法复现的研究。多位科学家指出，这些并非偶发，而是频繁出现的系统性问题，促使他们在日常科研中对AI结果进行更多人工核查。
报道还记录了研究者对行业“炒作文化”的反感。受访者表示，科技媒体与厂商常常放大模型的潜力，而掩盖或忽视局限性，导致科研新手在初期过度依赖工具。与此同时，部分科研团队开始在内部制定更严格的AI使用准则，包括要求在方法部分明确标注AI参与程度、保存原始数据与模型输出以便审查，以及在提交同行评审前进行第三方复核。 在信任下降的背后，监管与透明性的缺失被反复提及。研究者呼吁模型开发者提供更可解释的决策路径、更细致的训练数据说明，以及对模型不确定性进行量化报告。
报道指出，学术界正在探索技术和政策双管齐下的应对方式：既要在方法学上提升对AI输出的鲁棒性，也要在期刊与资助机构层面建立使用AI的伦理与透明标准。 Futurism的报道强调，这种从盲目信任到谨慎使用的转变，对年轻研究者尤为关键。一方面，他们比以往任何世代更早接受AI工具；另一方面，频繁接触也让他们率先发现模型局限，从而在科研文化中推动更务实的讨论。
报道最后引述预备性报告结论：信任的下降并非纯粹悲观信号，而是一种成熟化的过程，促使科学共同体在工具使用上回归方法论和可验证性的核心。 这篇报道提示学术与产业界在推广AI工具时，必须与清晰的性能边界、可复现流程和伦理规范并行。若缺失这些配套措施，AI在加速科研的同时，也可能侵蚀学术信任的基石。