北京
去年夏天，苏黎世大学可重复科学与研究综合中心的博士后研究员Peter Degen遇到了一个反常的麻烦：他导师的一篇论文被引用得太多了。
这篇2017年发表的论文评估了特定统计分析方法在流行病学数据中的准确性，多年来只获得了几十次引用。但突然间，它每隔几天就被引用一次，累计数百次，成为导师职业生涯中被引用最多的论文之一。别的教授可能会欣喜若狂，Degen的导师却让他去调查原因。
Degen发现，这些引用论文都遵循相似模式。它们像原文一样分析华盛顿大学健康指标与评估研究所编制的全球疾病负担研究公开数据集，但用这个数据集批量生成无穷无尽的预测：20岁以上成年人未来中风可能性、年轻人睾丸癌风险、中国老年人跌倒概率、极少摄入全谷物人群的结直肠癌风险，等等。
顺着GitHub上的分析代码链接，Degen追踪到了中国视频网站Bilibili。一家广州公司正在宣传教程，教用户如何借助其软件工具和AI写作辅助，在两小时内产出可发表的论文。这些研究质量堪忧——有研究者分析了部分头痛相关研究，发现其中充满错误和误述。但它们也不像早期的AI生成论文那样错得离谱，反而更难被筛选出来。
"这对同行评审系统是巨大的负担，它已经到极限了，"Degen表示，"发表的论文太多，评审员不够。如果大语言模型让批量生产论文变得如此容易，系统会崩溃。"
乐观派期待生成式AI能带来科学突破，加速发现、攻克癌症。但现实是，这项技术正在侵蚀科学研究的根基，用无休止的论文洪流淹没期刊编辑和评审员。讽刺的是，AI生成的论文越"合格"，危机就越严重。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
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.
