最近读到一篇文章，题目是 《AI-Generated Figures in Academic Publishing: Policies, Tools, and Practical Guidelines》。

它讨论了一个很现实的问题：科研人用 AI 生成的图片，到底能不能放进论文里？

现在很多人已经开始用 Midjourney、DALL·E、Stable Diffusion、SciDraw 等工具做科研配图。以前做一张机制图、实验流程图、Graphical Abstract，可能要花几个小时甚至几天；现在输入一段提示词，AI 很快就能生成一张看起来很高级的图。

但问题也随之出现：AI 生成的科研图，期刊认可吗？需要在论文里说明吗？哪些图可以用，哪些图绝对不能用？

这篇文章梳理了 Nature、Science、Cell Press、Elsevier、PLOS 等主流期刊和出版商对 AI 生成科研图的态度，并给出了使用建议。我的理解是：AI 科研绘图不是不能用，而是不能乱用。

接下来我详细讲解一下，这篇文章的内容。

一、主流期刊怎么看 AI 科研图？

文章总结了 12 个主流期刊和出版商的政策。整体来看，它们的态度可以概括为一句话：可以辅助，但必须透明；可以表达，但不能造假。

首先，大多数期刊都要求披露 AI 使用情况。也就是说，只要你用了 AI 工具生成或辅助制作论文图片，就应该在方法部分、图注或投稿信里说明清楚。比如用了什么工具，生成了哪几张图，作者是否进行了人工审核。

其次，AI 不能作为论文作者。因为作者意味着责任，而 AI 无法对论文内容负责。图片错了、机制画错了、标注误导了，最终责任都在研究者本人。

最重要的一点是：数据图不能用 AI 生成。

比如显微镜图、Western blot 图、凝胶电泳图、实验照片、材料表征图、真实数据曲线，这些都是实验结果的一部分，不能用 AI 虚构。否则就不是“辅助绘图”，而是科研诚信问题。

相对来说，AI 更适合辅助生成一些解释性图片，比如机制示意图、实验流程图、研究框架图、Graphical Abstract、技术路线图等。因为这些图的作用是解释科学逻辑，而不是直接证明实验结果。

二、为什么期刊对 AI 科研图这么谨慎？

原因很简单：AI 生成图虽然方便，但风险也很明显。

第一个风险是复现性。AI 生成图有随机性。同样一段提示词，今天生成一张，明天可能生成另一张。模型版本更新后，结果也可能完全不同。所以如果用 AI 做科研图，最好保存提示词、工具名称、模型版本、生成日期和修改记录。

第二个风险是科学错误。AI 很容易生成“看起来合理，但其实不对”的内容。比如分子结构画错、箭头方向反了、实验流程顺序混乱、英文标签拼写错误。这些问题 AI 不会负责，最后还是作者负责。

第三个风险是视觉误导。现在 AI 可以生成非常逼真的图片，如果有人用 AI 生成一张假的显微镜图或实验照片，就会严重破坏科研诚信。

所以判断一张图能不能用 AI，可以先问自己一句话：

这张图是在证明实验结果，还是在解释科学逻辑？

如果是证明实验结果，不要用 AI 生成。

如果是解释科学逻辑，可以谨慎使用 AI 辅助。

三、科研人应该怎么用 AI 绘图？

我觉得可以按照下面这个流程来。

第一步，先判断图片类型。实验数据图、表征图、原始结果图，不要用 AI 生成；机制图、流程图、研究框架图、Graphical Abstract，可以考虑 AI 辅助。

第二步，保存完整生成记录。包括提示词、生成时间、使用平台、模型版本、原始图片、修改过程和最终图片。这样投稿时如果需要说明，也能讲清楚来源。

第三步，人工审核科学准确性。不要只看图好不好看，更要检查科学逻辑是否正确。科研图首先要准确，其次才是美观。

第四步，根据期刊要求进行披露。比如在方法部分或图注里说明：某些示意图由 AI 工具辅助生成，并经过作者人工审核和修改。

第五步，投稿前检查目标期刊政策。不同期刊对 AI 图像的要求不完全一样，尤其是 Cell Press、Nature、Elsevier 这类期刊，对 AI 生成内容通常会更加谨慎。

四、我的判断标准

如果不想记复杂规则，可以记住这一句话：

凡是用来证明实验结果的图，不要用 AI 生成。凡是用来解释科学逻辑的图，可以谨慎使用 AI 辅助。

换句话说：AI 可以帮你表达科学，但不能帮你制造证据。

比如你做电池材料研究，SEM、TEM、XRD、CV、LSV、EIS 这些实验结果图，不能用 AI 虚构。

但如果你想画电池工作机制图、离子迁移路径图、材料结构示意图、实验流程图，这些就可以用 AI 辅助提升表达效率。

五、AI 科研绘图不是偷懒，而是一种新能力

很多人会觉得，用 AI 画科研图是不是偷懒？我觉得不是。真正的问题不在于用了什么工具，而在于你是否理解自己的研究。

以前会做科研配图的人厉害，不只是因为会用软件，而是因为他们懂科研表达。知道一张图应该突出什么，弱化什么；知道结构怎么排版，配色怎么统一，逻辑怎么讲清楚。

AI 出现以后，只是降低了画图门槛，但没有降低科研表达的门槛。未来真正有竞争力的科研人，不是只会输入提示词的人，而是既懂科研逻辑，又懂图形表达，还懂期刊规范的人。

AI 生成科研图不是洪水猛兽，也不是万能神器。它更像是一个新的科研表达工具。未来的科研绘图，大概率会变成一种新的工作流：

人类提出科学逻辑，AI 生成视觉草图，人类再审核、修改和规范化。

AI 可以提高效率，但不能替代科学判断。

最后用一句话总结：

AI 不会替你做科研，但会改变科研被表达、被理解、被传播的方式。

原文链接

链接: https://pan.baidu.com/s/10pWa21nV6KmTKU_hGyRzOw?pwd=nzw1 提取码: nzw1 

--来自百度网盘超级会员v4的分享