研而有信|明辨AI工具边界,捍卫学术诚信

科技为舟，载我们驶向学术创新的深水区。然而，AI亦是一把双刃剑，带来了新的挑战。若无诚信为楫，研究者极易偏离严谨求实的学术航向。

部分研究者过度依赖AI生成内容，不对其科学性、准确性核查，甚至直接照搬、伪造数据，违背学术诚信；同时，AI自身局限可能产生虚假信息，若盲目采信，会影响研究结论可信度，污染学术生态。

PMC（美国国立卫生研究院旗下学术数据库）收录的一项研究对PubMed中的AI相关撤稿论文进行了系统分析，发现 “不道德使用AI” 是论文撤稿的主要原因之一，这一研究结论进一步佐证了AI辅助学术不端问题的严峻性。

为此，Springer Nature等顶级学术出版机构已开始在审稿流程中部署AI工具，专门用于识别包含AI生成伪造内容的稿件，以维护学术出版的真实性。

2024年通过的《中华人民共和国学位法》明确提出，学位论文若被认定存在人工智能代写、剽窃、数据造假等学术不端行为，经学位评定委员会决议，学位授予单位将不授予学位或撤销学位。科技部、教育部等十余个部门亦密集出台多项科研诚信政策，彰显国家对学术不端行为“零容忍”的态度。

面对海量的科研数据与复杂的模型架构，唯有坚守学术诚信的“楫”，才能确保航向不偏，结论真实可靠。

我校杰出校友吴健雄先生在1956年的钴-60β衰变实验中，通过接近绝对零度的精密实验，为李政道和杨振宁提出的“宇称不守恒”理论提供了关键试验证据。面对理论的完美与实验数据的反常，她毫不犹豫地选择了后者。实测结果的客观真实性高于一切先验假设。无论是推演公式还是实验验证，都必须尊重输出的客观结果，拒绝“为了结论而拼凑数据”。

使用AI进行外文文献的基础翻译、学术论文的语法润色以及格式调整。

在编写数据或处理脚本时，可利用AI辅助定位Bug或优化代码结构。研究者必须拒绝“黑盒化”套用，确保数据清洗与特征提取等过程客观透明。

辅助梳理特定领域的发展脉络，但必须进行严格的人工核查并结合Zotero等文献管理软件对原始出处进行二次定标，从源头杜绝虚构文献的造假行为。

由AI直接生成论文的研究假设、核心算法逻辑、实验分析或结论部分，并作为原创成果提交。

工程科研的基石在于客观真实，利用AI凭空捏造实验数据，掩盖异常的实验结果，属于严重的学术不端。

直接照搬大模型因“幻觉”生成的虚假文献条目或不存在的规范条文。

可以，但必须严格合规。必须明确引用数据及代码来源，严格遵守其开源协议，并清晰界定“引用部分”与“二次开发/原创部分”。严禁将其包装为全量原创成果。

绝对禁止。异常数据也是科研客观事实的一部分。应从实验条件、环境干扰或理论局限性分析误差来源，而非对数据进行人为篡改或选择性剔除。

仅限于辅助性工作。可使用AI进行语言润色、语法检查或文献翻译。严禁使用AI生成核心逻辑、捏造实验数据，且必须人工核实所有由AI提供的学术文献引用，确保其真实存在且版本现行有效。