北京
去年夏天，蘇黎世大學可重復科學與研究綜合中心的博士后研究員Peter Degen遇到了一個反常的麻煩：他導師的一篇論文被引用得太多了。
這篇2017年發表的論文評估了特定統計分析方法在流行病學數據中的準確性，多年來只獲得了幾十次引用。但突然間，它每隔幾天就被引用一次，累計數百次，成為導師職業生涯中被引用最多的論文之一。別的教授可能會欣喜若狂，Degen的導師卻讓他去調查原因。
Degen發現，這些引用論文都遵循相似模式。它們像原文一樣分析華盛頓大學健康指標與評估研究所編制的全球疾病負擔研究公開數據集，但用這個數據集批量生成無窮無盡的預測：20歲以上成年人未來中風可能性、年輕人睪丸癌風險、中國老年人跌倒概率、極少攝入全谷物人群的結直腸癌風險，等等。
順著GitHub上的分析代碼鏈接，Degen追蹤到了中國視頻網站Bilibili。一家廣州公司正在宣傳教程，教用戶如何借助其軟件工具和AI寫作輔助，在兩小時內產出可發表的論文。這些研究質量堪憂——有研究者分析了部分頭痛相關研究，發現其中充滿錯誤和誤述。但它們也不像早期的AI生成論文那樣錯得離譜，反而更難被篩選出來。
"這對同行評審系統是巨大的負擔，它已經到極限了，"Degen表示，"發表的論文太多，評審員不夠。如果大語言模型讓批量生產論文變得如此容易，系統會崩潰。"
樂觀派期待生成式AI能帶來科學突破，加速發現、攻克癌癥。但現實是，這項技術正在侵蝕科學研究的根基，用無休止的論文洪流淹沒期刊編輯和評審員。諷刺的是，AI生成的論文越"合格"，危機就越嚴重。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
