夜雨聆风点击上方
AI 的风暴正在冲击学术圈，而且比大多数人意识到的更猛烈。
第一篇完全由 AI 生成的论文，通过了 ICLR 2025 同行评审。
2024年8月，日本 AI 研究机构 Sakana AI 联合牛津大学和英属哥伦比亚大学，发布了 The AI Scientist，全球首个旨在自主完成科研全流程的系统：从生成假设、编写代码、运行实验，到产出完整的学术论文。每篇论文的计算成本仅仅为15美元。
升级后的 AI Scientist-v2，向 ICLR 2025 Workshop 提交了三篇完全由 AI 生成的论文，其中一篇以6.33的平均评分通过了双盲同行评审。
2026年2月，另一记重锤砸下。
一家叫 Math, Inc. 的 AI 公司开发的推理智能体 Gauss，只花了 5 天，就自动完成了人类数学家团队 15 个月还没搞定的任务——验证 8 维空间中的球体堆积问题。这是2022年乌克兰数学家玛丽娜·维亚佐夫斯卡（Maryna Viazovska）获得菲尔茨奖的研究课题。
The AI Scientist 的概念插图。运行流程为：①“头脑风暴”一组想法、评估创新性；②编辑一个自动化代码库、进行实验并撰写科学报告；③最后生成自动同行评审。
可以看到，一方面，学术论文正在变成一种可批量生产的工业品。而另一方面，AI 已经展现出人类个体甚至团队都难以匹敌的知识验证能力。
两股力量同时作用于学术体系，开始动摇整个知识生产的基础逻辑。
从现在开始，需要回答的真问题是：当机器越来越有能力承担学术研究的工作，人在知识生产中的角色究竟是什么？大学存在的意义又是什么？
对 AI 论文的支持者，他们相信的是这样一套令人振奋的叙事：AI 正在让知识生产“民主化”。
这个论断有其真实的一面。在过去，一篇合格的英文学术论文，需要研究者具备扎实的文献积累、严谨的研究设计、娴熟的学术英语写作能力，以及长达数月乃至数年的反复修改。这些门槛，在客观上将大量来自资源匮乏地区、非英语母语背景、以及正处于学术生涯早期阶段的研究者拒之门外。AI 的介入，确实在一定程度上拉平了这条学术鸿沟。
但这里隐藏着一个我们必须警惕的认知陷阱：论文写作的民主化，并不等同于知识的民主化，更不等同于思想的民主化。
认知科学领域的经典理论早已告诉我们，知识的生产过程，本身就是认知建构的过程。而正如维果茨基（Vygotsky）的社会文化学习理论所强调的，思维发展离不开“符号中介”。也就是说：自主地使用语言，不仅是在表达思想，更是在生成思想。当研究者艰难地梳理文献、构建论点、遣词造句、反复修订时，这个“写”的过程本身，就是知识内化与思想深化的过程。
而当这个过程被 AI 接管，当人类把使用语言的权利主动让渡出去，当研究者退化为“提示词工程师”时，究竟还剩下多少认知建构过程真正作用在我们的大脑中？
更深层的问题在于：AI 生成论文，不能“无中生有”地创造。
AI 特别擅长在现存的知识空间内填补空白，通过对既有知识的重组来呈现一些新鲜的内容，比如找到尚未被组合的关联概念、尚未被验证的关联假设、尚未被引用的交叉文献。
然而，真正拓展人类知识边界的，从来不是对已有知识空间的精细填补，而是向已知空间之外的“那一跃”——那种诞生于直觉、异想、偶然性与人类经验的突破之举。
今年1月发表在《自然》（Nature）期刊上的一项研究揭示了 AI 在科研领域应用的一个悖论：随着科学家们越来越多利用 AI 作为科研辅助工具，研究进展不断加速，但科学研究的关注视野却在收窄。也就是说，论文越来越多，但真正改变领域走向的突破性研究却越来越少，学术同质化的情况日益严重。
戳破这种表面繁荣的假象，就迫使高等教育重新思考：当学术写作与自主思考脱钩，论文产出的还是真正的知识吗？构建在如此“知识”之上的学术体系基座，到底还有多牢靠？
学术期刊，尤其是以 SCI/SSCI 为代表的国际期刊体系，长期以来在科学知识生产中扮演着“质量守门人”的角色。同行评审制度是这个体系的核心信用机制：由领域内专家匿名评审投稿论文，从而保证所发表知识的质量与可靠性。
而 AI 的介入，正在从两个方向侵蚀这个体系赖以存续的可信度。
首先，当 AI 写作变得普遍，“谁是真正的作者”这一根本问题将引发深层的学术伦理危机。
国际上已有多家顶级期刊明确要求作者声明 AI 使用情况。例如，《自然》期刊明确禁止将 AI 工具列为作者，并要求若在研究或写作中使用了 AI 辅助技术，必须在稿件的“方法”或“致谢”部分注明；《美国医学会杂志》（Journal of the American Medical Association）在投稿系统中设置了专门问题，强制作者声明是否使用了 AI 工具。
《自然》与《美国医学会杂志》期刊关于“使用 AI 撰写论文”的明确说明。
不过，这种声明在缺乏技术手段加以检验的情况下，更多依赖于投稿人的自我规范，难以形成系统性保障。
其次，当 AI 可以批量生成格式规范、逻辑连贯、符合学术惯例的论文时，期刊编辑和审稿人将面临前所未有的甄别压力。
AI 生成的论文往往具有很高的表面规范性——结构完整、引用充分、统计规范，但其内在的原创性贡献却可能极为空洞。这种外形完美的学术空壳，越来越难以被传统的同行评审识别。
2025年7月，《美国急诊医学杂志》（American Journal of Emergency Medicine）发表了一篇文章，旨在调查专业审稿人是否能识别出 AI 所生成的论文。研究者要求 ChatGPT-4o 撰写了一篇医学 SCI 论文，其中涉及1000例患者的合成数据集完全是虚假的。这篇论文被发送给14位有经验的审稿人，其中11位未发现稿件由 AI 生成，还有4位认为稿件只需小幅修改即可录用。
综合以上两点来看，传统学术期刊体系或许将在 AI 时代迎来前所未有的衰退。
这一体系本是前数字化时代的产物。当知识传播需要依靠纸质出版物时，期刊才能成为稀缺的传播渠道。互联网的出现已经动摇了这种稀缺性，而 AI 论文以假乱真的能力，进一步瓦解了期刊作为学术认可机制中重要一环的可信度。
取而代之的，可能是一套更为多元和动态的知识认证体系：基于开放同行评审的预印本平台（如 arXiv 生态的持续演化）、基于社群认可的知识贡献记录系统、基于引用影响的动态信誉机制，乃至基于区块链的学术贡献可溯源体系。
这不是想象中的未来，而是正在发生的现在。问题在于：在这段过渡期内，高等教育的评价体系能否及时跟上？还是将在路径依赖的惯性中，继续沿用一套日益失效的标准，评判一代亟待改变的学者？
AI 工具对学术环境的冲击，将高校教师进一步拖入进退维谷的制度困境。
一方面，由于中国高校现行的教师考核体系仍高度取决于论文发表数量，在“非升即走”的强压机制下，青年教师面临的生存压力，很容易驱使他们将 AI 这类提效工具视为不得已的理性之选——毕竟，批量生产论文确实有助于短期内迈过考核门槛。
另一方面，当 AI 能够在短时间内生成大量接近发表标准的论文时，教师们以学术成果来衡量自身价值的逻辑就变得岌岌可危。这是因为大多数教师的身份认同深度绑定于两件事：第一是研究，产出有影响力的学术成果；第二是教学，成为学生面前的知识权威。
教师的价值认知与科研学术、课堂教学强相关。而由 AI 产出学术论文，无疑会对教师的身份认同造成剧烈冲击。
更残酷的是，AI 的冲击在不同学科间的分布极不均匀。那些高度依赖知识重组与文本生产的领域，以及数据密集型的量化研究、标准化的系统综述类研究，都是 AI 最擅长的领域。而那些需要长期田野调查或创新性理论突破的研究，AI 则显得力有未逮。
这意味着，高校教师内部将出现一种新的学术阶层分化，不同学科的教师将面临截然不同的职业命运。
美国斯坦福大学教育研究院的拉里·库班（Larry Cuban）教授在其关于教育技术历史的研究中，反复论证了一个规律：每一次技术革命都宣称将颠覆教育，但教育系统最终吸收了技术，而技术并未颠覆教育。
以往的技术发展，只改变知识传播方式；如今人工智能技术的发展，同时改变着知识生产的方式。
但这一次 AI 的冲击或许将与以往不同。以往的技术，例如从印刷术到广播电视，从个人电脑到互联网，改变的是知识传播方式。这一次，AI 改变的是知识生产方式。这是一个更为根本的层次，它触碰的是大学安身立命的最深处。
大学作为知识生产和传授中心的逻辑，如今受到剧烈动摇。AI 写作带来学术论文的批量生产，但原创性的知识产出不仅没有迎来井喷，反而愈加收窄。学术发表体系难以规范和识别 AI 论文，使其自身陷入可信度危机。而高度依赖于期刊发表成果进行教师评定的高校管理考核制度，也随之失去了合理性。
种种危机撕开了旧秩序的裂口，阵痛是必然的。
不过，AI 对知识生产方式、知识生产者的冲击，或许也是一次迟来的、痛苦的、却真正有可能催生高等教育深层变革的契机。
文章来源：教育数字化100人
我们期待原创稿件，来稿请发： moxiangxueshu@126.com
温馨提示：推广内容如有侵权请您告知我们会在第一时间处理或撤销； 互联网是一个资源共享的生态圈，我们崇尚分享。
(来源：墨香学术 微信：moxiangxueshu)
转载仅供思考 不代表【墨香学术】立场
公众号推荐
墨香学术
关注学术资讯，追踪学术前沿
密切关注学术资讯，持续追踪学术前沿问题，积极推广原创性成果
