好博体育（集团）有限公司官网 | 中国领先的智能体育管理平台

一些审稿专家的审稿意见，存在高度疑似由AI工具生成的现象，近来在网上引起质疑：当算法开始参与学术评价，学术评判权是否仍掌握在人的手中，学术共同体长期形成的信任机制是否会受到影响？

AI评判论文，靠谱吗？这与学术期刊审稿工作具有科学性、严谨性、保密性等多重特殊要求相违背，应该说是不合适的。若随意采用未经保密性验证的AI平台代为审稿，很有可能无法保障稿件评审质量，更有可能泄露作者的原创学术成果。

从表面看，技术进入学术出版流程，似乎顺理成章。过去几十年间，学术生产规模持续扩大，论文投稿数量不断攀升，许多期刊编辑部面临审稿周期拉长、专家资源紧张等现实压力。在这样的背景下，借助人工智能进行重复率检测、格式识别乃至文献匹配，被视为一种提升效率的技术办法。算法在处理结构化信息方面的能力，使其在技术性环节具有明显优势。

但真正引发争议的，并不是技术本身，而是技术在学术评价中的角色定位与边界。如果AI仅用于基础性筛查，其作用类似于查重系统或数据库工具。当算法开始参与对论文质量的判断，问题便随之产生。学术论文的价值，并不只是文本质量，还涉及理论贡献、方法设计与论证逻辑等，这些判断往往依赖学科经验与研究传统。算法可以识别语言模式，却难以理解学术创新的意义。

“AI代审”之所以引发担忧，并不是因为技术能力不足，而是因为其触碰学术制度的一些重要原则：学术评价应该由谁来评？怎么评？目前来看，较为有效的科研评价方式，是由同一领域的学者进行判断，并保证评价的专业性与客观性。

同行评议制度，作为学术评价体系的重要组成部分，在于它建立了一种可追责的评估机制。专家在评审过程中以自身声誉为担保，编辑在制度上承担决策责任，作者则在公开交流中接受检验。正是在这种责任关系中，学术评价获得稳定的可信度。

当算法被引入审稿环节，首先出现的问题，往往是责任模糊。若评审意见部分来自AI生成，当判断失误时，应由谁承担责任？是使用工具的审稿人，还是提供算法的平台？在传统制度中，审稿意见背后始终存在具体的学术主体；而在算法参与之后，评价过程可能逐渐演变成一种技术流程，长此以往，会削弱学术评价的责任基础。

此外，算法并非完全中立。人工智能模型往往依赖既有数据训练，其判断逻辑可能带有隐性偏差。例如，算法可能会在不同语言环境和跨学科信息检测领域存在误判现象。如果这种技术直接用于论文筛选和评判，就会在无意中影响学术评价的公正性。

当然，这并不意味着技术应被排除在学术出版之外。恰恰相反，人工智能在信息整理、文献检索，以及数据处理方面具有明显优势。如果合理使用，它完全可以帮助编辑与审稿人更快掌握研究背景，从而把精力集中在更重要的学术判断上。问题的关键并不是“是否使用AI”，而是“如何使用AI”。

从制度角度看，学术出版界需要达成共识，形成一种更清晰的技术边界：技术可以承担辅助功能，但不能试图取代学术判断；算法可以提供信息支持，但不能成为最终裁决者。只要评价结论仍然来自学术共同体，技术就只是工具；一旦判断权被让渡给算法，学术评价体系的基础便会受到影响。学术制度的稳定性，从来不是依靠技术维系，依靠的是责任与信誉。当技术不断进入科研与出版领域时，学术界亟需思考：如何在技术便利与学术判断之间，保持必要的冷静与边界。

在这一意义上，“AI代审”的讨论，具有积极意义。它提醒学术共同体重新审视技术与制度之间的关系：效率固然重要，但学术判断的主体性更为关键。秉持使用边界清晰、责任归属明确的原则，AI才会发展为更好的学术工具，推动学术成果评价，朝着更加科学、透明、公平、可靠的方向发展。

来源 | 人民论坛网

责任编辑 | 王卓怡 王爽