研究人员如今面临一种几年前无需考虑的威胁:AI生成的论文以他们的名义,发表在他们从未听说过的期刊上,而本人毫不知情。与此同时,AI正把过去需要一年半的实验生物学工作压缩到半小时;英格兰的监管机构警告大学,若放任AI作弊将面临罚款;各大学和教育学院也在推出面向AI时代教学的新规则和新工具。以下是本周对科研和高等教育从业者而言发生的变化,以及应对之策。

你从未写过的论文,却署着你的名字

《泰晤士高等教育》的一项调查发现,一些不知名的开放获取期刊一直在发表低质量的AI生成论文,并把受尊敬的教授列为作者。这些学者既没有撰写、投稿,也没有批准这些论文。

在一个案例中,哥德堡大学一位计算机科学副教授发现,Google Scholar上一篇由AI撰写的可持续发展文章被归在他的名下。当他要求期刊删除他的名字时,期刊并没有撤稿,而是简单地把他的名字换成另一位研究者的,随后又换成第三位,依次更替。斯坦福大学计算机科学教授Jure Leskovec证实,一家期刊把他列为一篇他从未投稿也从未见过的论文的作者。弗吉尼亚联邦大学的一位博士后研究员则发现,自己的名字出现在多家与他毫无关联的掠夺性期刊的编委会名单中。

动机似乎很直接。掠夺性期刊借用知名学者的声望,让自己的刊物看起来正规,从而诱使博士生和职业生涯早期的作者投稿并支付发表费用。被署名的学者在不知情中成了它们的广告。

防御之道:盯住自己的名字

最实用的对策不花一分钱:为自己的完整学术署名设置Google Scholar提醒。每当有署着你名字的新论文出现,你都会收到通知,可以在它扩散到引文数据库和搜索结果之前采取行动。对于任何职业生涯依赖清白发表记录的人来说,这是一项值得今天就完成的小任务。

AlphaGenome 2用30分钟复现18个月的实验台工作

《自然》的一篇报道介绍了AlphaGenome 2,这是谷歌DeepMind更新后的模型,用于预测非编码DNA序列,即基因组中不直接编码蛋白质的区段,如何影响基因表达。

最受关注的测试涉及炎症性肠病(IBD)。2024年,弗朗西斯·克里克研究所的一个遗传学家和免疫学家团队花了18个月进行湿实验,才确定基因变异ETS2是该疾病的驱动因素。随后DeepMind的研究人员用AlphaGenome 2复现了这一发现的关键部分,耗时约30分钟,没有用到一支移液管。

分屏画面:杂乱的实验台上放着撕下的日历,旁边屏幕显示DNA双螺旋,桌上有一座时钟

▲ 18个月实验台工作与30分钟AI对比

方法 得出ETS2发现所需时间
弗朗西斯·克里克研究所的湿实验(2024年) 约18个月
AlphaGenome 2计算复现 约30分钟

领导原始研究的免疫学家表示,有AI模型确认团队的实验结果,从科学角度看令人安心。

实验科学家应该感到威胁还是宽慰?诚实的答案可能是两者兼有。更快找到疾病机制,对等待治疗的人来说是好消息。但这类模型仍可能产生幻觉,也就是给出自信却错误的输出,因此人工验证依然必不可少。从这个角度看,AlphaGenome 2不像实验室的替代品,更像一层强大的二次验证:在投入更多月份的实验台时间之前,快速检查某个假设或实验结果是否站得住脚。值得记住的是,这次复现的是实验室已经确立的结果,因此它更多说明的是验证速度,而非发现能力。

20.7万次研究会话揭示科学家如何使用Claude

Anthropic发布了一项题为“AI for scientific discovery: How researchers use Claude”的研究,基于Claude和Claude Code(该公司的命令行编程智能体)上超过20.7万次研究会话。

各领域的采用程度差异显著。相对于各自的人群规模,计算机科学、工程以及生物医学或临床科学的研究者使用这些工具非常频繁;图书馆学、人文学科、营养与膳食学以及宗教学的相对使用率则低得多。

任务分布更能说明问题:

  • 数据分析占主导,约占Claude Code研究会话的45%,以及标准Claude研究会话的约三分之一。
  • 写作与交流是第二大类别。
  • 构思、假设生成和理论分析仍是相对少见的用途。

同一研究中的问卷回复显示,完全自主的AI使用并不常见。研究人员大多以辅助或协作模式工作,让人保持在流程之中,而不是把整项任务交出去。

对于构思类用途比例偏低,一种解读是研究人员选择把工作中的创造性核心留给自己。提出问题是科学工作中个人满足感的主要来源之一,数据表明科学家并不急于把它交出去。无论原因为何,这一模式提供了一个合理的范本:把分析、数据收集和初稿交给AI,把假设的所有权留在自己手中。

监管机构就课后作业AI作弊向大学发出警告

据《每日电讯报》报道,英格兰高等教育监管机构学生事务办公室(OfS)警告,大学若未能处理AI作弊问题,可能面临经济处罚。OfS指出,学生经常用聊天机器人在几分钟内完成无人监督的课后作业,并取得与未借助工具的同学相同甚至更高的成绩。监管机构警告,这既削弱了学生的学习投入,也损害了公众对学位价值的信心。教育部一位发言人表示,大学必须严肃对待学术诚信问题,并执行已有的标准。

学生在监考下手写考试,一旁放着一叠课后论文文件夹和一台合上的笔记本电脑

▲ 从课后论文转向有监督考核

对院校而言,令人不安的是显而易见的技术手段并不奏效。商业AI检测软件和文本水印既不可靠又容易绕过,形成了一场院校难以取胜的对抗性猫鼠游戏。如果检测结果不可信,那么一篇无人监督的课后论文就无法再告诉教师多少关于学生真实水平的信息。

这引向一个部分教师可能会抵触的结论:罚款针对的是症状,根本问题在于考核形式本身。课后论文已无法作为衡量学习成果的可靠替代指标,考核方式需要改变。监考笔试、口试和其他有监督的形式,是验证学生是否理解所学内容的现实选择。

哈佛Compass Collaborative按年龄梳理AI的助益与危害

对于寻求结构化指引而非一味禁止的教育者,哈佛教育研究生院发布了Compass Collaborative,这是一个副标题为“AI Guidance by Age”的交互式资源。

该工具通过三个下拉选项运作:

  1. 选择你的角色,例如高等教育教育者。
  2. 选择一个发展领域,例如认知基础或语言与读写。
  3. 选择一个年龄段,例如18到25岁或26到40岁。

输出内容包括一段简短的“Quick Take”概览、具体建议、该年龄段的关键发展过程和里程碑,以及以颜色区分的AI可能阻碍或促进发展的方式清单。

针对18到25岁人群的语言与读写,该工具警告,依赖聊天机器人起草或重写文章会阻碍原创思维和独立表达的发展。在助益一面,它建议把AI用于有针对性的批评:让它指出结构弱点和逻辑漏洞但不去修改,这样学生仍需自己修订,并在过程中学会批判性阅读。

需要注意的是,这些建议基于人类发展研究文献,被定位为有证据支持的假设,而非已有定论的实证结论。即便如此,它们仍为教育者提供了可以转化为课堂提示词政策的具体内容,例如规定AI可以审阅草稿,但不得改写任何一句话。

芝加哥大学强制开设无AI写作课

据Inside Higher Ed报道,芝加哥大学将要求所有新入学的本科一年级学生修读一门严格禁用AI的写作课。课程由该校写作中心开设,目标是在学生开始使用AI工具之前,先建立写作和推理的基础习惯。与此同时,该校正在设立写作实验室和校园合作项目,让教师和学生能够同时尝试传统和现代的写作技术。

这一思路类似于数学教育长期以来对计算器的处理方式:学生先参加不允许使用计算器的部分,证明自己理解底层运算,再进入允许使用计算器的部分,让工具扩展他们的能力。是否每所大学都应设立强制性的无AI基础年,仍是一个悬而未决的问题,但这一做法为“先教技能,再教捷径”提供了清晰的范本。

现在该做什么

本周的进展同时指向两个方向。AI正在加速研究的机械环节,从基因组预测到数据分析;同时也在动摇出版和考核的信任结构。以下是几项具体步骤:

  • 为自己的名字设置Google Scholar提醒,一旦有期刊未经同意把你列为作者,就能迅速知晓。
  • 把AI用在使用数据显示最有价值的地方,即数据分析、数据收集和早期起草,把假设生成留在人的手中。
  • 把确认实验结果的AI输出当作一层验证,而非实验的替代,并让人保持在流程之中。
  • 如果你从事教学,不要再依赖AI检测器和水印,把高风险考核转向有监督或口试形式。
  • 收藏Compass Collaborative,利用其“阻碍与助益”清单,为你的课程制定明确且符合年龄特点的AI政策。
  • 参照芝加哥大学写作课要求的精神,考虑在允许学生用AI增强作业之前,为你的项目设置一个无AI的基础阶段是否合理。