地理学部张为师副教授团队围绕人工智能科研应用与科学真实性展开深入探讨，强调科研效率提升必须建立在实证基础之上。相关成果以“AI tools speed up analysis, but scientific truths must be grounded in reality”为题，发表于国际知名学术期刊 Nature（自然）正刊 Correspondence 专栏。Nature近五年年均刊发约200篇Correspondence专栏文章。

文章提出，人工智能在提高科研效率的同时，也可能加剧对自动化建模的依赖。复杂模型不能替代对真实环境的认知，计算机预测仍需现实观测验证。人工智能可以拓展科研分析能力，但不能取代严谨的实证调查，人类观察仍应是判断环境现实的重要依据。

在研究生和本科生教育中，人工智能正广泛进入文献阅读、数据分析和科研训练等环节。高校在培养学生AI应用能力的同时，应关注对自动化工具的过度依赖，强化原始数据获取、独立思考、科学判断和实践验证，引导学生理解模型背后的科学问题，培养判断结果是否可信、是否符合科学事实的能力。

文章链接：https://doi.org/10.1038/d41586-026-02490-9