博士研究計畫的寫作，本質上是在向審查委員證明兩件事：你看到了一個他們沒看到的問題，而且你有能力用一套嚴謹的方法去處理它。這份計畫的核心資產，是那些尚未發表的研究構想、你對既有文獻的獨特解讀，以及你與潛在指導教授之間討論的內容。這些東西一旦被寫成文字並上傳到AI工具，就不再完全由你控制。

不是說AI工具一定會盜用你的想法，而是說，博士申請的競爭本身就是建立在資訊不對稱之上。你的競爭對手不會看到你的計畫，但AI服務提供者的員工（在特定情況下）可能看得到。更實際的風險是：當你把未發表的文獻筆記、與教授通信的重點摘要、甚至是自己尚未完成的實驗設計交給AI整理時，AI的回覆可能會引用或改寫這些內容，讓你誤以為那是AI的建議，但其實只是把你輸入的內容重新排列組合。這會讓你的計畫失去原創性，而你甚至不會發現。

未發表的研究構想：只進你的筆記，不進AI對話框

博士申請者最常犯的錯誤，就是為了讓AI「幫我想清楚研究問題」，而把腦中尚未成形的構想全部倒進對話框。例如你可能輸入：「我想研究聯邦學習在醫療影像上的隱私漏洞，特別是針對模型反演攻擊的防禦，但我還不確定要用哪種攻擊模型。」

AI會給你一個看起來很合理的回應，列出幾種攻擊模型並建議你選其中一種。問題是，這個建議是基於你的輸入內容生成的，它不會比你自己更了解你的研究脈絡。更糟的是，如果你之後在計畫中寫下「我採用模型反演攻擊作為主要威脅模型」，而這個選擇其實是AI從你的提問中推導出來的，你等於讓AI替你做了研究設計的核心決策——這在博士申請的脈絡下，是嚴重的原創性問題。

正確的做法是：研究問題、核心假設、方法論的初步選擇，這些步驟留在你的腦中和筆記裡。AI可以用來協助你整理文獻回顧的結構、檢查邏輯漏洞、或是把一段草稿改寫得更精煉，但不要讓AI參與「決定研究什麼」的過程。

與潛在指導教授的通信內容：屬於雙方，不屬於AI

博士申請過程中，你可能會與幾位潛在指導教授通信，討論研究興趣、實驗室方向、甚至具體的研究構想。這些通信內容包含教授對你提出的回饋——例如「你提到的隱私預算分配問題，我們實驗室之前有做過類似的嘗試，但沒有成功」——這些資訊極具價值，但也極度敏感。

把這些通信內容貼給AI，請它「幫我整理教授的重點」，等於把教授未公開的研究經驗交給第三方平台處理。這不是教授授權你揭露的資訊。即使你沒有寫出教授的名字，只要內容包含足夠的細節（例如「某位研究隱私保護的教授提到他嘗試過動態隱私預算但失敗了」），仍然可能被識別。

處理方式：把教授的意見用你自己的話寫成摘要，留在本地筆記中。如果你需要AI協助整理思緒，請先將教授的具體評論抽象化，例如把「教授說動態隱私預算不可行」改寫為「文獻中對動態隱私預算的可行性存在分歧意見」，再交給AI處理。

文獻筆記與引用來源：需要可追溯，不能靠AI記憶

博士研究計畫的文獻回顧，必須精確到每一句話的依據。當你使用AI協助整理文獻時，最危險的不是AI給你錯誤的引用，而是AI把多篇文獻的觀點混合在一起，生成一段看似合理、實際上無法歸因的文字。

更隱蔽的問題是：如果你把整篇論文摘要貼給AI，請它「總結這篇論文的重點」，AI的輸出可能會包含論文中的具體數據或結論。這些數據寫進你的研究計畫時，你必須確保它們是正確的——但AI的總結可能出錯。因此，涉及具體數據、統計結果、實驗結論的內容，不應依賴AI轉述。

建議的流程是：自己閱讀並摘錄關鍵文獻，把摘錄內容存入你的筆記系統。AI可以用來協助你比較不同文獻的觀點，但前提是你提供的是你自己寫的摘要，而不是原始論文全文。這樣一來，即使AI的回覆有誤，你也能夠追回原始來源進行核對。

哪些內容可以放心交給AI處理

並非所有內容都需要迴避AI。以下幾類素材相對安全，可以交給AI協助處理：

• 已發表的公開文獻：只要是正式出版的論文或書籍，不涉及版權問題的引用片段，可以用來讓AI協助整理主題分類。
• 你自己的草稿（已經過去識別化）：如果你已經寫好一段研究計畫的草稿，且其中不包含未公開的數據或個人通信內容，可以請AI協助調整語句結構、檢查邏輯連貫性。
• 通用的學術寫作模板：例如「研究問題的撰寫方式」、「文獻回顧的常見結構」，這些不涉及個人原創內容，可以放心使用。

博士研究計畫的隱私保護原則

總結來說，博士研究計畫的AI使用，核心原則是「核心決策不出手，輔助工作可外包」。研究問題的定義、方法論的選擇、與潛在指導教授的互動內容，這些是構成你申請身份的核心資產，不應交給AI處理。而文獻整理的格式、語句的潤飾、邏輯檢查，這些是技術性工作，可以適度借助AI。

最後提醒一點：如果你最終決定把整份計畫交給AI做整體檢查，請務必先移除所有可識別的個人資訊、教授姓名、實驗室名稱、以及任何尚未公開的數據。你可以在檢查完成後，再手動將這些資訊加回最終版本。這樣做雖然多一道手續，但能確保你的原創性與隱私都受到保護。