繁重的文书工作：科学家的现实困境
大众印象中的科学家大多身穿白大褂在实验室做实验，但现实中，研究人员的大量时间都被文书工作吞噬：撰写项目申请、起草与审阅论文、研读最新期刊。
- 澳大利亚的一项调查显示，科学家每年需要花费 1 到 3 个月（平均占其工作时间的 16%）来撰写课题申请。
- 准备一份典型的基金申请平均需要耗费 34 天，而中标率仅约 20%。
- 爱思唯尔（Elsevier）的调查显示，约四分之一的学者已开始使用 AI 提速。伦敦大学学院（UCL）的学者举例称，常春藤盟校的一位研究员借助 AI，将每周写基金申请的时间从整整一天压缩到了 45 分钟。
论文洪流与低质“学术废料”的激增
AI 同样重塑了论文的撰写与发表流程。自 ChatGPT 推出以来，全球预印本平台与顶级期刊的投稿量暴增：
- 尤其在计算机科学等低实验依赖的领域，投稿激增最为明显。ICML（国际机器学习大会）的投稿量在短短一年内翻倍，达到 24,000 篇。
- 《柳叶刀》发表的一项针对 250 万篇生物医学论文的研究发现，伪造引用的比例在 2023 至 2026 年间激增了 12 倍。
- “掠夺性期刊”（交钱即可发表的刊物）中，约有 90% 的文章完全由 AI 生成。这类期刊每年卷走约 1.2 亿美元本该用于真实科研的经费。
- 虚假信息的真实危害：瑞典研究人员曾上传两篇关于杜撰眼部疾病“bixonimania”的虚假论文，短短几周内，主流 AI 对话模型便开始将其当作真实存在的疾病进行讨论。
过去，“文笔流畅、专业术语丰富”往往对应着高质量的科研成果；而如今，AI 能够轻易模仿专业的学术行文风格，使这一传统判断标准彻底失效。
用 AI 对抗 AI：同行评审与基金分配的重组
面对日益严重的论文泥潭，学术界正尝试“以技术制技术”：
- 审稿辅助：Frontiers 数据显示，超过半数的审稿人已使用 AI 工具来识别篡改图像、文本矛盾及纯机器生成内容。斯坦福大学的测试表明，AI 擅长排查前后矛盾与技术错误等客观漏洞，而人类审稿人则更专注于评估研究的创新性与学术价值。
- 基金初筛：巴塞罗那某研究基金会已使用 AI 自动淘汰 20% 最缺乏潜力的申请。更有学者指出，完全依赖书面材料评估课题的方式或已过时，未来应结合“AI 筛查 + 履历核查 + 线下答辩”进行综合评定。
新的技术不公与“认知降级”
AI 的普及不仅未能完全实现学术平权，还带来了次生风险：
- 非母语学者的隐形壁垒：AI 改善了非英语母语学者的文笔，但并未提高其顶刊命中率。由于垃圾稿件激增，arXiv 等平台甚至对新作者或来源不明的稿件建立了额外的警示标记。
- 青年学者的“认知让步”：撰写论文原本是锤炼逻辑与学术思维的核心途径，过度依赖大模型可能导致年轻学生失去对学科的深刻理解。
- 文献过载与筛选工具：学者每年精读论文的上限通常只有百篇左右，面对浩瀚文献，科学家正借助 AI Agent 自动总结论文、关联学术脉络并挖掘研究方向。
结语：根源在于评价体系
AI 并非学术乱象的根本原因，而是现有制度缺陷的“催化剂”。学术界长久以来奉行“不发表就出局”（Publish or Perish）的评价机制，过度追求发表数量而非研究质量，直接助长了对 AI 批量炮制低质论文的需求。要解决学术界充斥 AI 劣质内容的危机，唯有从改革科研评价体系与激励机制本身入手。