加州大学著名计算机科学家称人工智能“研究”论文完全是垃圾

在科学进步的历史长河中，很少有学科像今天的人工智能（AI）领域这样，面临着一种近乎讽刺的存在主义危机：那些旨在提升人类生产力的工具，反过来正在以惊人的速度稀释、甚至毒害创造它们的学术土壤。随着生成式AI模型的普及，一场关于数量与质量的博弈正在顶级学术会议上愈演愈烈，令资深学者感到窒息，也让原本严谨的科学探索变成了一场充斥着“垃圾数据”的数字竞赛。

加州大学伯克利分校（UC Berkeley）的著名计算机科学家哈尼·法里德（Hany Farid）近日发出的警告，揭开了这一繁荣表象下的脓疮。他直言不讳地指出，由于大量低质量、甚至完全由AI辅助生成的论文泛滥成灾，整个AI研究领域正迅速滑向平庸的深渊。这种“信噪比”的急剧下降，不仅让真正具有突破性的研究难以被发现，更在根本上动摇了学术界的信任基石。

“论文工厂”与学术通胀

引发这场关于学术伦理激烈辩论的导火索，是一位名为凯文·朱（Kevin Zhu）的年轻研究员。朱最近刚从加州大学伯克利分校获得学士学位，但他的一项“成就”令众多资深教授瞠目结舌：在过去的一年里，他声称撰写并参与发表了113篇关于人工智能的论文。

对于任何熟悉学术出版流程的人来说，这是一个荒谬的数字。法里德教授在职业社交平台LinkedIn上公开质疑道：“我甚至不可能每年仔细阅读100篇深度技术论文，更不用说参与100多篇论文的研究和撰写了。”相比之下，许多顶尖科学家即便拥有庞大的实验室团队，一年内能产出十几篇高质量论文已属高产。

调查显示，朱这种惊人产出的背后，是一套精心设计的商业模式。他创办了一个名为“Algoverse”的项目，向高中生和大学生收取每人3325美元的费用，提供为期12周的在线辅导，并承诺帮助他们向AI会议提交论文。这一模式实际上将学术研究转化为了一种流水线式的产品。据统计，朱名下的113篇论文中，有89篇出现在了本周举行的神经信息处理系统大会（NeurIPS）上。

NeurIPS曾是AI领域最神圣的殿堂之一，以严苛的审稿标准著称。然而，数据的爆炸式增长正在冲垮这一堤坝。2020年，该会议收到的投稿量不足1万篇；而到了2025年，这一数字飙升至2.15万篇以上。为了应对海量的审稿需求，组委会不得不放宽标准，大量征用经验尚浅的博士生协助审稿，导致评审质量的断崖式下跌。

插图：Tag Hartman-Simkins / 未来主义。来源：Getty Images

法里德将朱的论文描述为“一场灾难”，并质疑其学术贡献的真实性。他使用了科技圈新兴的贬义词“感觉编码”（vibe coding）来形容这种现象——即依赖AI工具快速拼凑代码和文本，缺乏深层逻辑思考，纯粹凭感觉构建所谓的“研究成果”。

AI 反噬：工具的滥用与信任危机

当被问及是否使用AI撰写论文时，朱给出了一个模棱两可的回答，称其团队使用了“标准的生产力工具”，承认使用语言模型进行“文稿编辑或提高清晰度”。然而，在学术界看来，界限早已变得模糊。

这一现象并非个例，而是整个行业的缩影。随着ChatGPT等大型语言模型（LLM）能力的提升，越来越多的研究人员开始依赖这些工具来生成摘要、编写代码甚至撰写整篇论文。这种便利性带来了双重危害：一方面，它助长了学术造假和剽窃的风气，虚构引用和捏造数据的情况屡见不鲜；另一方面，它导致了同质化内容的泛滥。

更令人担忧的是，这种“AI生成、AI审阅”的闭环正在形成。为了应对激增的投稿量，一些审稿人开始使用AI工具来辅助甚至代替自己撰写评审意见。有些精明的作者甚至在论文中插入对人类不可见但能被AI识别的隐藏指令，试图诱导AI审稿人给出正面评价。这种猫鼠游戏使得同行评审制度——这一科学界自我纠错的核心机制——面临崩溃的风险。

这种破坏力已经渗透到了权威期刊。此前已有案例显示，经过同行评审发表的论文中竟然出现了由AI生成的、解剖结构完全错误的插图。这不仅是监管的缺失，更是整个学术评价体系面对新技术冲击时的无力感。

迷失的下一代与学科的未来

对于这一现状，最感痛心的莫过于像法里德这样的教育者。他向《卫报》透露，面对如今混乱的学术环境，他甚至开始建议学生不要涉足AI研究领域。“很多年轻人怀揣梦想进入这个领域，但这简直是一团糟，”法里德说道，“你根本跟不上这种疯狂的节奏，如果坚持传统的研究方法，你发表不了论文；如果你随波逐流，你做不出真正的好作品，也无法进行深入思考。”

这种“劣币驱逐良币”的效应正在产生深远的影响。当新颖、扎实的原创研究被淹没在数以万计的平庸之作中时，科学进步的步伐实际上是被拖慢了。年轻一代的研究者在进入该领域之初，就被灌输了“数量至上”的错误价值观，将发表论文视为一种可以通过付费和工具堆砌来完成的KPI，而非对真理的探索。

如果不加以遏制，人工智能研究可能会陷入某种“近亲繁殖”的怪圈：未来的AI模型将使用大量由AI生成的劣质论文进行训练，导致模型能力的退化和崩溃。

正如法里德所言，对于普通读者甚至专业人士来说，现在的科学文献“信噪比基本只有1”。去参加顶级会议，往往不再是思想的碰撞，而是在垃圾信息的海洋中艰难求生。这场由AI引发的技术革命，在重塑世界的同时，似乎正在首先摧毁那个孕育它的摇篮。如何重建学术标准，将是全球科学界在2026年面临的最紧迫挑战。