人工智能在广泛赋能科学研究的同时，也催生了"AI洗稿""数据装饰""代笔"等一系列新型科研诚信问题。2025年9月26日，中国科学院学部科技伦理研讨会在北京举行，主题为"人工智能时代的科研诚信"，旨在为应对这些新挑战建言献策。自ChatGPT等大型语言模型问世以来，AI已深度融入知识获取、数据分析和学术写作等领域，但同时也使学术活动的主体构成发生根本性变化，带来贡献界定模糊、研究过程不透明、结果可解释性下降等新问题。

AI加剧科研诚信风险的表现形式

以"算法参与"为特征的科研模式导致科研诚信风险呈现出新的特点。中国科学院学部科学道德建设委员会主任胡海岩院士指出，当前AI检测技术的发展明显滞后于AI生成技术，传统查重与识别手段效力渐微，致使科研不端行为更具隐蔽性和复杂性。生成式AI不仅大幅降低了造假成本，而且其生成内容的结构、格式、语法都呈现出较高水准，增加了检测判断的难度。

AI的介入还模糊了责任边界。大模型生成的错误或"幻觉"内容，应被视为"诚实的错误"还是归责于使用者？大模型能否作为作者或共同作者？这些新问题亟待厘清。更值得警惕的是，"操纵AI审稿"等新伎俩已经出现，如在论文中隐藏"仅限正面评价"的指令，以欺骗AI评审系统。

AI生成内容对知识体系的潜在污染

AI生成内容可能对人类知识体系造成污染。近期案例显示，有自媒体账号发布杜撰的"科技新闻"，虚构顶尖大学的研究成果。这些由AI炮制、语言通顺但事实错误百出的文章被广泛传播，误导公众并侵蚀知识的可信基石。中国科学院院士、南京大学党委书记谭铁牛强调，AI生成的虚假或错误内容若未被有效识别而进入学术传播链条，长期危害不容小觑。

根据《自然》杂志对全球1600名研究人员的调查，68%的受访者认为生成式AI工具将使抄袭变得更容易且更难检测。一项研究显示，2024年上半年，至少10%的生物医学论文摘要使用了大语言模型，这表明AI在学术写作中的使用量正在快速增加。

构建系统性应对策略

面对这些挑战，需要采取系统性的综合措施。中国科学院院士、北京大学教授梅宏建议，持续深化理论探讨与案例研究，厘清AI对科研诚信的影响机制；全面开展科技伦理教育与AI技能培训，引导科研人员负责任地使用AI工具；积极凝聚全球共识，构建适应AI时代的科技伦理治理体系。

在实践层面，需要建立明确的AI使用指导原则和规范。近年来，多所高校已出台相关规定，如复旦大学发布了《关于在本科毕业论文（设计）中使用AI工具的规定（试行）》，天津科技大学要求对所有本科生毕业论文进行智能生成内容检测。但相对于国内超过3000所高校的巨大体量，此类高校仍属于少数，且规范多局限于本科生毕业论文，对研究生和教师的科研活动覆盖不足。

技术与管理并重的解决方案

从技术层面，应增强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。同时，需要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。

在管理层面，应建立"全覆盖"的规范体系，包括对全员的覆盖（本科生、研究生、教师及所有科研人员）、对科研活动全环节的覆盖以及对全内容的覆盖（毕业论文、作业、发表成果、项目申报书等）。高校还应设立科研诚信专员岗，及时、准确地制定相关规章制度，有针对性地开展教育培训。

谭铁牛院士认为，人工智能对于科学研究而言，既是赋能创新的"阿拉丁神灯"，也可能是开启风险的"潘多拉魔盒"。唯有坚持管理与技术并重、制度规范与教育文化协同、国内治理与国际合作并举的综合施策思路，才能破解人工智能时代的科研诚信难题。随着各项措施的落地，AI才能真正成为推动科研创新的有力工具，而不是破坏科学诚信的隐患。