立陶宛维尔纽斯大学，过去一年开除10名违反AI使用规则的学生；美国耶鲁大学，一名学生因AI使用工具纠纷，将三名教授、两名院长告上法庭。麻省理工学院、明尼苏达大学等高校，近来都陆续发生类似情况。
从“概念的游戏”到“潘多拉魔盒”，社会开始思考如何与AI相处，学术研究领域讨论尤为激烈。
（一）
学术研究关乎知识的积累、传承和创新，势必需要审慎对待。
此前国内各大高校相继出台了规定和办法，规范AI技术在学术研究中的使用场景。今年2月，中国历史研究院历史研究杂志社推出《关于规范生成式人工智能工具使用的启事》颇具代表性。
总体来看，《规范》严格限制AI使用，将其仅限于语言润色、文献检索、数据整理与分析、思路开拓等环节，超出者将判定为“违反学术诚信”。同时，《规范》也明确保持开放态度，未来将根据技术发展作出相应调整。
种种尝试，客观反映出学术界探索AI时代知识生产边界的自觉。首先，从内容来看，它将知识生产视作以人为主的智力活动，对AI的智识价值与人格地位仍有所保留。其次，从过程来看，它更强调AI的辅助作用和工具功能，且严格设置了禁止边界。最后，它要求待发表的学术文章进行AI检测，且主张严格外审。可以看到，“人的作品”而非“AI的作品”仍然是判断研究是否具有学术价值的核心标准。
（二）
其实，无论是权威期刊发布的规范，还是众多高校推出的各类指导意见，本质都是在维护治学的终极目标——求真。
一方面，AI技术为搜集、翻译、提炼和分类开源信息提供了巨大便利，但它也极易让人陷入“认知陷阱”，误认为“信息即是知识”。特别是对于学术训练刚刚起步的学生来说，搜集和研判信息本身就是批判性思维的训练过程，有助于培养概念化思考能力和逻辑推理水平，实现从被动接受信息到主动获取知识的认知飞跃。诚然，AI技术加持下，我们不必再“挑灯苦读”，海量信息唾手可得。但“使用巧办法”不等于“投机取巧”，将泥沙俱下的信息误认成知识势必会引发“真相危机”。
另一方面，AI大模型依赖数据集与算法。如果用于训练大模型的数据未经严格筛选，本身存在谬误，那么生成内容便可能出错。同时，AI会基于训练数据“编造”虚构数据和事件，做出前后矛盾的陈述，产生“AI幻觉”，投喂虚假信息。此外，AI生成的内容很大程度上与提问方式有关，极易受提问者的思维定式和认知偏见影响，导致集中展示特定观点、刻意回避某类信息、呈现片面真实等问题。
治学的核心在于求真，智能的目标立足效率。求真本是一个反复试错的艰难求索过程，追求效率从来不是目的。对于学术研究中的技术性环节，例如翻译、制图、校对，使用AI技术提高效率无可厚非，而一旦涉及知识性内容，我们仍然需要牢牢把握主导权。
（三）
如今，AI技术深度介入我们的工作生活，谁也无法自我隔离于智能时代之外。如何重构研究中的技术伦理，划定智能与治学的边界，有三个问题值得进一步讨论。
第一，AI的角色是工具还是协作者？长期以来，我们面对的技术大多具有客体化体征，因而可将其简单视为工具、手段或者策略，更多讨论的是效率问题和个人偏好，例如纸质书和电子书孰优孰劣，应该使用软件还是卡片做文献摘录，等等。但是，当技术具有一定智能，主体与客体间的“使用与被使用关系”被突破，是否应当发展人与技术的“协作关系”，这仍然需要付出巨大的勇气去尝试。
第二，AI生成的内容是否属于知识？传统观点认为，无论是通过创造、发现或者习得，只有人的智力成果才能被称为知识。需要讨论的是，如果在人工干预下，AI生成的信息具有一定原创性或启发性，那么是否也可以将“人工指导智能”视作知识的生产过程？更进一步讲，是否仍然应该将人视作知识积累的唯一角色？
第三，AI辅助在“脑内”还是在“脑外”？当前流行的观点是，对于学术作品来说，不承认AI生成的主体架构、核心观点和主要段落具有原创性。AI的使用场景仅限于“格式规范”而非“内容生成”，不鼓励AI在学术研究中“显性表达”。
（四）
“技术发展史，又是一部人类恐惧史”。其实，这种“恐惧”未尝不是一种力量。它可被视作一种社会接受机制，让我们审慎推动技术的运用，令其朝着符合社会整体利益的方向发展。
AI治学亦然。它快速挑战传统的治学边界，颠覆了以往的信息获取方式，甚至重塑了知识与权力的固有结构，或引发熊彼特所言的“创造性毁灭”。但我们既不用盲目拥抱，也不必产生“替代焦虑”。全面了解其具体功能和潜在风险，在保证“治学求真”的原则下不妨多试一试，“为新技术立法”，也为人类发展护航。
撰文：严展宇
作者单位：对外经济贸易大学计算社会科学实验室
流程编辑：U072
