當人工智慧開始深度參與文獻檢索、實驗設計、論文撰寫乃至同行評議等科研全流程，科研正規化、信任基礎與治理體系正面臨一場深刻變革論文。未來研究者該如何相信AI？科研機構與政策制定者又將承擔怎樣的責任？
一份對全球113個國家、3200多名科研人員的調研報告顯示，全球已有58%的科研人員在工作中使用AI工具，但僅有22%的受訪者認為當前的AI工具值得信賴論文。同時，僅32%的科研人員認為其所在機構已建立完善的AI治理機制，45%的受訪者坦言自身仍缺乏系統的AI技能培訓。
近日，愛思唯爾與中國科學學與科技政策研究會在滬舉辦的一場專家圓桌會議上，多數人認為，兩三年內，AI將成為驅動知識發現的重要引擎論文。中國科學學與科技政策研究會名譽理事長穆榮平表示，AI賦能科研，既要“加油”也要有“剎車”，用好幫手和助理的同時，也要防範相應風險。
打破學科壁壘論文，也製造新的鴻溝
中國科學院院士、浙江大學教授楊衛認為，AI已不只是一件提升效率的工具，它將重塑科研正規化論文。“過去很多創新發生在學科邊界，AI有望拆除這些邊界。”在他看來，AI將加速跨學科融合與交叉創新，催生新的知識體系。
然而，一線科研工作者也感受到新的隱憂論文。東華大學材料科學與工程學院教授朱麗萍說，團隊在纖維材料研究過程中開發了垂直領域大模型，但她發現部分學生過度依賴AI輔助，繞過了傳統研究中知識積累與獨立思辨的訓練過程。長此以往，人反而可能淪為AI的重複性勞動工具。
上海人工智慧研究院總工程師王資凱表示，AI並未如預期般“拉平”科研門檻，反而可能加劇科研領域的“馬太效應”論文。頭部高校憑藉算力與資料資源優勢，科研產出正進入“規模化量產”階段，能同時推進多項研究任務，單篇論文的時間投入與成本顯著降低。相比之下，資源相對薄弱的機構可能被進一步拉開差距。
有與會專家提到，AI在文獻檢索與知識獲取方面仍存在明顯侷限論文。例如，當前部分AI智慧體在蒐集與處理學術資源時，會受到平臺許可權、資料介面及人機驗證機制等限制，導致部分重要文獻無法被有效納入參考體系。這意味著，一些長期積累形成的高質量學術內容，可能在AI時代被遺漏，進而影響科研結果的完整性與可靠性。
展開全文
信任危機下論文，如何重塑評價體系
AI的深度介入，也在動搖科研評價體系的信任基石論文。深圳理工大學講席教授趙偉將AI比作一把“雙刃劍”，其不僅具有強大的內容生成能力，也擁有偽造能力，對資料真實性與科研可信度帶來挑戰。從編造實驗資料到生成虛假參考文獻，有些時候，AI不但沒有減輕科研人員的負擔，反而增加了額外的核驗工作量。他表示，解鈴還須繫鈴人，可嘗試利用AI結合區塊鏈技術，全程監測資料採集、儲存、分析和表達，避免實驗造假。
類似的風險還出現在同行評議這一核心環節論文。武漢大學資訊管理學院教授許潔分享了一個真實案例：團隊向某知名期刊投稿後，收到的審稿意見被明確識別為AI生成。這些意見乍看言之成理，卻夾雜著預設立場與不實資訊，既無法直接採納，也難以據此最佳化研究。如果從內容生產到評價稽覈都由AI主導，人類的原創性思考和真正有價值的成果，如何被看見？
當AI既能寫論文，甚至參與論文稽覈，論文還是不是科研成果的核心載體？與會專家認為，未來的科研評價應更關注研究解決現實問題的能力，而非單純堆砌論文數量論文。AI應被用來從海量文字中提煉有效資訊與關鍵洞見，而非生產低質量論文。科研人員的核心價值將更多體現在提出關鍵問題、設計研究路徑、作出價值判斷上，這些才是AI難以替代的“人類智慧”。
從道德自律走向制度治理
在華東師範大學教授姜雪峰看來，過去三年，AI技術演進速度遠超預期，AI參與論文寫作、產品開發乃至科研評審，已是大勢所驅論文。專家普遍認為，真正的難題不是要不要使用AI或如何部署AI，而是如何降低AI衍生風險。而單靠科研人員自律或事後追責，並不足以應對現實挑戰，亟需建立覆蓋全流程、多主體協同參與的科研治理新機制。
清華大學教授、人工智慧治理研究中心主任梁正表示，未來的治理不能一刀切，不同學科應有不同的評價與治理邏輯論文。同時，科研評價也應從傳統指標導向，逐步轉向對真實創新貢獻的衡量。趙偉則提出，應加強科研資料基礎設施建設，推動形成統一、可機讀的學術資料標準，並探索利用區塊鏈等技術，實現科研資料全流程可追溯。
香港大學資訊長兼圖書館館長伍麗娟介紹，香港大學已開始建立AI專案風險登記制度，並推動資源採購與使用標準化，以應對快速變化帶來的治理挑戰論文。
多位與會專家呼籲彌合“AI能力鴻溝”，統籌建設共享算力平臺，避免科研資源向少數機構集中，並在高校教育中系統嵌入AI素養與應用能力培養論文。
愛思唯爾大中華區總裁李琳表示，AI帶來了前所未有的資訊生產能力，也製造了空前的“噪音”論文。維護“科研之信”的本質，是一場對抗集體認知負荷的長期挑戰。科研共同體需持續探索新型同行評議機制，推動跨學科協作與更加開放包容的科研生態建設。
