夜雨聆风
智能越汹涌，判断越珍贵；效率越提速，底线越不可退让。
当生成式人工智能进入研究、写作、投稿乃至评审环节，学术共同体正在面对一个无法回避的问题：AI可以帮助我们写得更快、查得更多、生成得更像样，但它能否替代真正的思考？当工具越来越强大，学术规范的边界在哪里？青年学者又该如何在效率与诚信之间走得更远？
在“格致求索·致敬学术大咖”系列对话中，南京大学信息管理学院叶继元教授，与他的两代学生——南京农业大学郑德俊教授、博士生朱禹，围绕“AI时代下的学术规范与诚信”展开了一场对话。三位学者的讨论并没有停留在“AI好不好用”的层面，而是把问题推进到更深处：AI时代，什么仍然必须由人完成？什么才是真正的原创？规范究竟是限制创新，还是保护创新？
一、AI能生成文字，却生成不了真正的问题意识
访谈一开始，叶继元教授便指出，学术研究首先要有问题意识。
所谓问题意识，不只是提出一个问题，而是清楚地知道“要解决什么问题”，并进一步判断这个问题是否有意义、是否值得研究、是否触及了学术发展或现实发展中的关键处。
在叶继元看来，真正的研究问题既可以是宏观的，例如气候、污染、学术评价改革，也可以是非常具体的，例如某一学科概念的界定、同行评议中的专家选择机制、信息资源管理中的细分问题。无论问题大小，关键在于它是否是真问题。
这也是AI无法替代人的地方。
AI可以快速生成一段文字，也可以整理资料、润色表达、提供思路，但它无法替代研究者长期积累之后形成的学术敏感。一个好的问题，往往来自长期阅读、实践观察、学科训练和价值判断。尤其对于博士生和青年学者而言，能否自己提出问题，往往决定了其创新潜力。
叶继元教授引用爱因斯坦的观点强调：提出问题往往比解决问题更重要。因为解决问题可以依靠方法、工具和技术，但提出一个真正值得解决的问题，需要更深层的知识结构和判断能力。
AI时代，写作门槛被降低了，但问题意识的门槛反而更高了。
二、学术规范不是“绑住手脚”，而是让创新站得住
很多人谈到学术规范，首先想到的是查重、引用格式、注释规范，甚至会把规范理解为一种外在约束。但在这场对话中，三位学者都强调：规范不是创新的敌人，而是创新的保障。
叶继元教授指出，学术不端中有几条底线是国内外公认的：不能抄袭剽窃，不能造假，不能伪造。除此之外，还有一些相对情节较轻的学术失范或科研不当行为，需要通过教育和规范来纠正。
但规范并不只是底线。它还包括更高层次的学术要求，例如独立思考、质疑精神、研究过程的透明性和学术共同体共同遵守的准则。
郑德俊教授补充说，学者遵守学术规范，正是学术创新的意义所在。换句话说，规范并不是为了阻止创新，而是为了保证创新能够被理解、被检验、被讨论、被承认。
朱禹则从“学术范式”的角度作了进一步解释。学术共同体之所以能够交流，是因为大家在同一套基本规则中说话。规范提供了一种共同语言，也提供了彼此信任的基础。没有规范，学术交流会变成各说各话；没有信任，创新也难以被真正确认。
因此，规范与原创并不矛盾。规范确实有约束，但这种约束并不是捆绑，而是保障。就像开车需要交通规则，规则不是为了让车不能开，而是为了让所有人都能更安全、更顺畅地前行。
三、AI生成的内容，不能直接等同于原创
AI写出来的东西到底算不算原创？这是当前高校、期刊、科研机构都在讨论的问题。
叶继元教授在访谈中区分了“原创”的两层含义。
第一层含义，是指成果由作者独立生产。对于一篇论文来说，选题、观点、结构、论证、数据、结论等主体部分，应该由作者完成。这是一般意义上的原创。
第二层含义，是指创新程度上的最高级，即原始创新。它代表的是更高层次的突破。
很多青年学者一听“原创”，容易把它理解为必须达到最高层次的原始创新，于是产生畏难情绪。事实上，只要研究中的主体判断、核心观点和主要论证来自作者自身，就已经可以在第一层意义上谈原创。
那么，AI生成的内容能否算原创？
叶继元教授的判断很明确：如果只是“一键生成”，然后直接作为作业或论文提交，就不能算原创。只有当题目是研究者自己选的，观点是自己提出的，大纲、例证、数据要求和最终判断都由人主导，AI只是帮助计算、归纳、润色，这种情况下，才可以说成果仍然具有人的原创性。
郑德俊教授进一步指出，AI所谓的“思考”和人类思考并不相同。大模型生成内容，主要依赖已有数据、上下文关联和概率预测。它可以呈现出某种“思维外观”，但缺少人类独立性的批判反思。
朱禹也强调，AI看似能够自主生成文本，但它背后依赖人类准备的语料、人类偏好对齐，以及用户发出的指令。如果没有人的提问、判断和最终负责，AI不会自主形成真正的学术成果。
由此可见，AI可以参与写作过程，但不能取代作者身份；AI可以辅助表达，但不能承担原创责任。
四、善用AI：一头一尾是人，中间可以交给工具
面对AI，拒绝使用并不现实，完全依赖更不可取。关键在于如何善用。
叶继元教授用一句话概括：“以我为主。”也就是说，人始终是研究的主体，AI只能是辅助。
什么叫“以我为主”？叶继元教授进一步解释：问题的提出、提纲的拟定、论证步骤的设计、需要避免的问题、最终结论的判断，都应由人完成。研究者掌握的资料越多，提出的问题越具体，AI的回答才可能越有价值。
郑德俊教授借用荀子“君子生非异也，善假于物也”的思想说明，人类进步本来就离不开工具。关键不在于用不用工具，而在于是否有意识地选择、高效率地使用。
在科研场景中，AI目前可以较好地辅助文献梳理、数据分析、可视化、图表生成、实验辅助设计、语言表达优化等工作。对于重复性、程序性、可结构化的任务，AI确实能显著提高效率。
朱禹则联想到万尼瓦尔·布什关于机器辅助人类思考的设想：重复性劳动可以交给工具，但真正需要人原创、深入思考的部分不能被替代。
叶继元教授对此有一个形象总结：有一定研究基础的人使用AI，是“如虎添翼”。换言之，AI能放大人的能力，但前提是人本身要有能力、有判断、有方向。
五、滥用AI：最危险的是让工具变成替身
善用AI的反面，是滥用AI。
叶继元教授提醒，AI使用中绝不能触碰学术不端的红线，尤其不能让AI生成内容导致抄袭、剽窃、伪造、造假等问题。研究者必须有自己的想法，而且想得越细越好。AI可以像秘书一样辅助工作，但不能代替研究者完成主体思考。
郑德俊教授也强调，AI只能作为助理，不能作为替身。最需要警惕的是：通过AI生成内容之后，不加验证地直接使用。
这句话尤其值得青年学者重视。因为AI生成的文本往往流畅、完整、看似可信，但其中可能包含虚假文献、错误事实、逻辑跳跃和未经验证的判断。越是看起来“像真的”，越需要研究者保持警惕。
AI时代的学术诚信，不只是“不抄袭”这么简单，还包括是否核查信息、是否声明使用、是否承担责任、是否保留人的判断。工具越强，责任越不能外包。
六、青年学者的压力：不是会不会被AI替代，而是能不能守住自己的研究价值
在访谈的第三部分，话题转向青年学者。
朱禹认为，青年学者当前最大的压力，未必首先来自“未来会不会被AI替代”，而是来自同行竞争。会使用AI的人，能够更快地将自己的想法落地；不会使用AI的人，则可能在效率上落后。
郑德俊教授进一步分析，青年学者在AI时代的焦虑主要有三类。
第一是信心的失落。科研经验原本需要长期积累，但AI可以快速整理和模拟某些经验，让刚进入科研训练的人产生“自己的积累是不是不再重要”的疑问。
第二是本能的恐慌。AI工具迭代太快，刚学会一种工具，很快又出现新的模型、新的平台、新的方法，令人疲于追赶。
第三是科研价值感的迷茫。当AI在某些写作或分析任务上表现得比初学者更成熟时，青年学者容易产生挫败感：自己的努力还有什么不可替代的价值？
叶继元教授将这一问题进一步引向学术评价。他指出，AI带来论文生产效率的提升，也会加剧论文数量膨胀。如果评价体系仍然过度依赖数量和形式，就可能伤害真正的原创研究。
早在多年前，叶继元教授就关注学术评价中的过度数量化、过度形式化、创新评价弱化等问题，并提出形式评价、内容评价和效应评价的“三维”框架。在AI时代，这一问题更加迫切：评价研究，不能只看论文有多少，更要看研究是否有创新，是否解决了重要问题，是否产生了真实影响。
七、AI时代，原创力如何不退化？
如何保持青年学者的原创力？三位学者给出了不同角度的回答。
叶继元教授认为，适当焦虑并不是坏事，但不能过分焦虑。青年学者需要不断学习AI，了解不同模型的特点，善于为我所用。同时，真正不变的是基础知识、学科积累和个人兴趣。基础越厚，变化的可能性越大。
他还提到“双向学习”的重要性：人工智能专家需要向学科专家普及AI知识，学科领域专家也需要向人工智能专家普及专业知识。只有在这种双向交流中，AI才能真正服务于学术研究，而不是停留在表层应用。
朱禹强调，AI会解决一部分旧问题，但也会不断带来新的社会问题。青年学者要保持对社会的好奇和观察能力，持续追问：什么问题才是重要的？什么问题值得研究？
郑德俊教授则用“三个重视”概括原创力的保持路径：重视问题意识，重视工具使用，重视验证。真正有原创力的东西，必须经得起学术规范、学术共同体、社会实践和时间的检验。
这也意味着，AI时代的原创力不是拒绝工具，而是在工具环绕中仍然能够提出真问题、作出真判断、形成真贡献。
八、结语：AI越强，越要知道什么是好的，什么是错的
访谈最后，三位学者都回到了一个共同判断：AI时代，学术研究要坚持“以我为主，善用工具”。
叶继元教授用“一头一尾”作了总结：一头是问题的提出，一尾是最终的判断和结论，这些必须是研究者自己的；中间的若干环节，可以交给AI辅助完成。这样才能在AI时代既遵守规范，又做好研究。
郑德俊教授提醒，AI时代大家都要跟上，但保持对真理的求真，是AI难以替代的品质。
朱禹则用一句话概括了青年学者最需要具备的能力：在AI时代，我们更应该知道什么是好的，以及什么是错的。所谓“好的”，是能分辨真正优质的内容；所谓“错的”，是具备发现错误、纠正错误的能力。
AI改变了科研的速度，却没有改变学术的根本。真正的学术研究，仍然始于问题意识，立于学术规范，成于独立判断，终于对真理的追求。
工具可以越来越智能，但学术不能失去人的主体性。
这或许正是这场对话留给AI时代最重要的提醒：效率可以交给机器，判断必须留给人；表达可以由AI辅助，责任必须由学者承担。
以上文字内容由AI根据以下视频内容提炼而成，仅供参考，原文参看视频：
👇 完整版视频在此👇、
