人工智能生成的点子，归谁？

从想点子、做实验到写论文，人工智能正深度介入科研全过程。效率提升背后，原创归属、数据“美化”、实验“缺席”、信息泄露、论文审核等问题接踵而至。五位一线科研人员讲述变化与思考。共同希冀是：人工智能时代，需要建立新的学术规范。

一名科研人员正在实验室做实验。新华社记者 金立旺 摄

选题构思｜人工智能生成的点子，归谁？

人工智能几秒就能生成科研点子。可如果选题最初来自它，成果原创归属怎么算？科研人员与人工智能的贡献边界在哪里？论文、专利署名又该如何？

南京航空航天大学物理学院副研究员曹水艳常问大模型：“这个方向还能怎么创新？”几秒后，它列出五六个点子。可她说：“人工智能生成的是科研点子，不是已经成立的科学创新。”

她认为，判断贡献不能只看谁先提出想法，更要看谁作出关键科学判断、完成实质工作。论文出错、实验无法重复，最终负责的仍是科研人员，不能以“点子是人工智能生成的”逃避责任。

数据处理｜人工智能“美化”数据，算不算隐形造假？

人工智能能去噪、补全、平滑数据，让图表更漂亮。这是优化表达，还是隐形造假？审稿人又该如何分辨？

西安交通大学电子与信息学部副教授刘晓明审稿时，常遇曲线平滑如教科书。他问作者：“原始采样频率与缺失值处理方式能否提供？”对方未正面回应。

他认为，传统造假是篡改，如今是人工智能“重建”，单点合理整体失真。F1高达0.99却经不住追问。科研最珍贵的不是算力，而是保留原始偏差的勇气、承认工况不符的诚实。

实验验证｜人工智能预测能否替代真实实验？

人工智能几分钟给出“最优工艺窗口”，真实实验能否少做甚至不做？预测能否替代验证？省掉的会不会正是新发现？

清华大学机械工程系副研究员周梦然回忆，博士生曾建议：“既然预测结果这么明确，后续只做两三组验证即可吧？”这让他警惕。

他坚持做模型认为价值不高的极限参数样品。结果一组高评分参数出现缺陷，另一组不在预测范围内的参数反而制备出性能优异的超轻镁合金。他说，人工智能可减少盲目实验，但不能替代必要验证。

观众在光博会华工科技展区参观。新华社记者 伍志尊 摄

过程安全｜未发表数据，能不能喂给人工智能？

未发表的数据、工艺参数、研究思路，能不能上传至公共人工智能平台？效率与保密如何平衡？数据离开实验室后还属于谁？

中国石油大学（华东）化学化工学院副教授邓深圳曾见师弟把半年未发表数据“喂”给人工智能。他问：“你就不怕平台把它分享给别人吗？”学生沉默许久。

后来又有学生想上传近一年的数据，说“我就是想快点出结果”。他定下规矩：严禁上传未发表数据和核心思路；查文献、调格式可以。数据保密，也是科研诚信的一部分。

论文审核｜人工智能参与后，论文怎么审？

人工智能参与文献、代码、数据、模型后，论文审核该看什么？披露和责任边界如何更新？文本流畅是否等于研究扎实？

中国科学院大学资源与环境学院副教授蔡晓琳审稿时，常追问：“数据从何而来？方法能否复现？推论是否超出证据边界？”她说，文本完整越来越难代表研究扎实。

她主张披露程度与人工智能影响匹配：润色简说，参与数据清理、模型构建要交代，参与核心结论需可复现材料。审稿可用人工智能辅助，但不能替代独立判断，也不能上传未公开稿件。

……

本文节选自⬇️

责编：孙小婷