建筑师报告：连接性溯因作为人工智能辅助知识生产时代的研究方法论

（三部分系列的第三部分。）本文提出并验证了一种称为连接性溯因的研究方法论：系统地识别现有、经过独立验证的知识主张之间的新颖连接，人工智能系统作为验证基础设施，测试这些连接在逻辑和实证上的有效性。不同于传统研究需要深厚的领域专业知识来生成和验证假设，连接性溯因将这两个功能分离：研究者通过溯因推理识别解释性空白和跨领域模式——连接已发表文献中存在但以前未被关联的点——而人工智能系统则根据引用的资料验证每个提出连接的逻辑合理性和实证支持。文章形式化了一种分层对抗验证协议，应用级联过滤原则（Ahn, 2026a）于研究方法论：多个独立的人工智能验证层，逐层施加更严格的评价标准，以对数方式而非线性地降低幻觉传播风险。通过单案例研究验证该方法论，作者本人——其形式培训包括未完成的化学本科课程及正在进行中的计算机科学学士学位——在约两天内完成了两篇跨学科研究手稿。此案例并非展示个人能力，而是作为知识生产结构性转型的诊断案例：一种方法论的相变，其中研究的约束由知识积累转向问题设计。文章讨论了转型风险，包括验证不足、幻觉传播、深度侵蚀和结构失控，并提出透明报告人工智能辅助方法作为新兴范式的必要组成部分。修订说明（v2）v2 → v3 变化：添加第1.1节：历史瓶颈转移（印刷 → 搜索引擎 → 人工智能）；扩展第4节案例研究：完整探索轨迹及失败迭代（论文2 第1–3阶段，论文1 第1–4阶段/v4锚点，v9b失败，v10方向性）；添加第4.1节：设备规格（Colab与消费级笔记本）；添加第4.5节：失败迭代作为方法论证据；添加第6.4节：直觉作为新瓶颈；透明度被视为计算效率而非伦理；添加第6.5节：合作作为生存策略（Axelrod以牙还牙策略）；添加第7.0节：结构失控——曼哈顿计划/相互确保毁灭类比；“唯一的必赢策略是不参与”；添加第8节自反性自指：论文自身发表后发展的作为方法论证明；第三步预告：人工智能反馈不对称被标记为持续的实证研究。参考文献：新增Axelrod (1984)、Oppenheimer (1945)；