生成式AI良好的科研辅助功能使其成为科研工作者喜爱的“帮手”，其大胆的假设甚至可以参与科研活动的创造性过程，AI与科研工作的正相关促进作用日益显露。强大的文献综述自动化功能。生成式AI精细的数据处理与分析能力能帮助科研人员高效总结研究领域的最新进展。AI可以对海量数据进行清洗、分类和初步分析，揭示潜在的关联性和趋势。大胆的假设生成与验证机制。基于现有数据，AI能提出新的研究假设，并辅助设计实验来验证这些假设，从而使AI迈出了已知世界的圈子，开始瞄向浩瀚无垠的未知世界。反复的实验模拟与预测可能。在诸多领域，AI可以模拟复杂实验过程，预测实验结果，减少实际操作的成本和时间，能够根据研究结果自动生成论文初稿，减轻科研人员的文字工作负担，极大地提高了科研的效能。
　　尽管生成式AI在提高科研效率和创新能力方面展现出巨大潜力，但其应用也引发了诸多科研诚信方面的担忧。科研的原创性问题。AI生成的内容缺乏人类的创造性思维和深度理解，可能导致科研成果的原创性受到质疑。偶尔的大胆假设让科研工作者很惊喜，但AI的假设是否合理则完全取决于科研工作者的理解和顿悟。科研数据真实性引发质疑。过度依赖AI生成的数据分析结果，可能忽视了数据收集和处理过程中的偏差和错误，影响研究的真实性。完全依赖AI生成的数据结果，增加了科研数据真实性的不确定性。科研责任归属模糊。当研究中的关键部分由AI生成时，科研成果的作者身份、贡献度及责任归属变得难以界定，产生的科研责任归属问题尚没有法律上的合理界定。科研伦理与隐私侵犯问题凸显。使用未经充分授权的数据训练AI模型，可能会侵犯个人隐私，其潜在的科研伦理问题与侵犯个人隐私问题值得人们重视，并且一旦出现侵权纠纷还没有契合的法律规范来进行调整。学术欺诈风险增加。故意利用AI生成虚假数据、伪造实验结果或抄袭他人工作，增加了学术不端行为的可能性。不良的学术风气一旦铸成，改正过来将不是一件容易的事，学术生态也会出现混乱，因此付出的代价可能是巨大的。
　　面对生成式AI带来的科研诚信挑战，需要科研界、教育机构、政策制定者以及AI开发者共同努力，需要从使用AI的第一步开始加以约束。
　　建立明确的AI使用指导原则和规范。制定针对生成式AI使用的具体指南，明确其在科研中的适用范围、使用限制和伦理要求，以前置性的约法来规范人们的科研行为。提升科研人员对AI技术的理解，包括其优势、局限性以及如何负责任地使用，强调科研诚信的重要性。通过培训和教育使科研工作者对合理使用AI有一个清醒的认识，从而自觉杜绝科研欺诈，恪守科研诚信。
　　增强AI使用的透明度与可追溯性。确保所有使用AI生成的数据和结论都具备高度的透明度，详细记录模型参数、数据来源及处理步骤，便于复核与验证。这样明确而透明的记录，既为科研验证提供便利，也为科研责任的追究提供可能，从而促使科研工作者做到技术慎独。
　　实施同行评审与技术审核双向互动。加强对涉及AI生成内容的研究成果的审查力度，引入专家和技术手段，确保研究的真实性和可靠性。技术的审核手段和同行专家的人工审核相互结合，以技术审核推动专家审核，以专家审核验证技术审核，最大限度地发挥两种审核的优势。
　　强化AI使用的法律责任与伦理监督。建立健全相关法律法规体系，明确AI生成内容的责任归属，对滥用AI进行学术不端的行为进行严厉惩罚。有针对性地提出规范AI滥用的规范条文，使针对AI的法律伴随AI在科研实践中的应用而得到发展并逐步得到完善。
　　建立规制AI滥用的跨学科合作机制。支持计算机科学、法律、伦理学等多领域专家学者，共同探索AI技术在科研中的最佳实践路径，有效防范和解决产生的科研诚信问题。发挥技术领域和人文社科领域的专家优势，形成跨学科合作，共同营造良好的学术生态，让AI服务科研，推动人类知识边界的拓展和科技文明的进步。
　　［作者单位：南京审计大学马克思主义学院。本文系江苏省社科应用精品工程科技伦理（科研诚信）专项课题（23SLB-21）成果］

　　来源：合肥日报