不是用没用AI的问题，而是我说没用，还有人信吗？

近日，多家期刊明确拒绝生成式人工智能参与写作，连润色、翻译也不行，颇有“矫枉必须过正”的意味。

《五台山研究》给出的理由很具体：内容空泛、文字堆砌、逻辑脱节，甚至篡改引文、虚构文献、杜撰史实；《沈阳师范大学学报》《青年学报》等，也宣布暂不接收AI代写、润色、改写的稿件。

这让人联想到今年毕业季，部分高校把“AI率”与论文答辩、毕业挂钩。为了“降AI率”，学生们不得不把表达改得口语化，甚至催生了付费“降AI率”的灰色产业。

讨论一个作品是否为AI生成，首先要问：怎样确保检测结果“不冤枉好人”？毕竟，AI检测可不像论文查重那样成熟、客观、有据可循。

目前，多数检测工具靠特征识别，训练数据多为“纯手搓”和“纯AI生成”的二分样本。但实际应用场景比这复杂得多，误报并不罕见。据《半月谈》报道，有学生独立查阅文献写出的综述，AI生成率高达97%；一篇2024年的原创通讯报道，“AIGC总体疑似度”高达91.81%，那时AI还没“火”起来；网友将一些经典名篇导入工具，也被判AI生成……2025年以后，被评价者该如何自证？

既然检测不可靠，评价就应该回到研究本身。换言之，当下AI在科研中参与了多少，是最重要的吗？

AI就像搜索引擎一样，已经深刻融入我们的日常生活。用与不用，都不是评判作品好坏的衡量标准。

就像评价新闻作品，有经久不衰的“新闻真实性原则”“新闻价值要素”，学术研究的评判标准也应当回到研究本身——有没有真的做实验，有没有去现场调研，研究发现是否准确可靠，已有结论在哪些新领域得到验证等等。

艾尔·巴比在《社会研究方法》中提到：独立验证已有的研究同样重要，只是我们忽视了验证的重要性。然而，在现有评价体系里，“重复”约等于“没本事”，只认“新”不认“实”。把创新点摆在至高无上的位置，抛开最重要的研究过程不谈，才是症结所在。

再者，论文造假也不是AI时代的“专利”。与其盯着AI辅助生成内容本身，不如看看原始数据、手记等过程性材料里有什么新发现；与其问“像不像AI”，不如追问其研究设计与结论间的关系。

现在已经不是“我用没用AI”的问题，而是我说我没用，还有没有人信的问题。作为记者，有些采访对象来得真诚：至少有2次，采访对象明确告诉我“AI辅助生成了一下回答”。这时就更得小心——本来采访对象的话就不能全信，他再用上AI，更要多角度进行核实。这是AI带给我们的新东西吗？本质上还是新闻学一直在讲的事实核查、交叉验证。

技术可以帮忙，但不能代替人的判断，更不能将全部信任“无脑”托付。放弃了对具体研究的判断，评价就会滑向另一种“外包”：不看内容看标签，不问论证问头衔——AI检测分数是一种标签，作者的招牌、师承关系则是另一种标签。不读稿子，只看标记，机器打分和“看名审稿”，实为同一病灶。

（大众新闻记者 盖颐帆 策划 戴玉亮）