生成式AI賦能下學術出版的供給側風險及其治理

［摘要］生成式AI基于深度學習、自然語言處理等技術手段，在文獻知識提取、內容生成與編輯、參考文獻管理等方面展現巨大潛力，極大地提高了學術出版供給側的效率。然而，技術的廣泛應用也伴隨著一系列潛在風險，包括內容質量與可信度下降、工具依賴以及學術誠信危機等。為應對這些風險，學術出版界須構建一套全面、有效的供給側風險治理體系，通過建立嚴格的內容審核機制、提升作者AI素養與自主研究能力、完善監管框架與法律法規等舉措，促進學術出版的健康發展。

［關鍵詞］生成式AI；學術出版；供給側風險；作者

生成式人工智能（Generative Artificial Intel-ligence，下文稱“生成式AI”）作為人工智能技術的重要分支，正深刻影響著社會生活的各個領域，使傳統的知識生產與傳播模式發生了重大變革。學術出版作為知識傳播與創新的核心環節，亦面臨生成式AI帶來的挑戰。生成式AI通過深度學習、自然語言處理等技術手段，能夠高效生成、編輯、管理學術內容，為學術出版供給側帶來了前所未有的機遇。在傳統學術出版領域，作者須耗費大量時間搜集文獻、整理數據、撰寫內容等，而生成式AI的介入，極大地提高了這一過程的效率。生成式AI能夠從海量文獻中快速提取關鍵信息，自動生成初稿或提出修改建議，從而減輕作者的負擔，加速學術成果的產出與傳播。然而，生成式AI的廣泛應用也伴隨著一系列潛在風險，亟須政策制定者、學術界以及出版界共同應對。生成式AI的廣泛應用，可能導致學術內容質量與可信度下降。由于算法存在局限性，生成式AI生成的內容可能缺乏深度思考與創新性，甚至存在事實性錯誤。此外，作者對生成式AI的過度依賴，可能削弱其自主研究能力與批判性思維能力，進而影響學術研究的獨立性與原創性。更為嚴重的是，相關部門若不加以監管，生成式AI可能會成為學術不端行為的輔助工具，嚴重危害學術生態。因此，探討生成式AI在學術出版供給側的應用場景、風險及其治理策略，對提升學術出版質量，促進學術研究的健康發展，具有十分重要的現實意義。

一、生成式AI在學術出版供給側的應用場景

（一）文獻知識挖掘與提取

學術出版供給側旨在生產高質量學術內容，而在學術內容生產過程中，文獻綜述整理作為其中的重要一環，要求作者對特定領域內的現有研究進行系統梳理。然而，隨著學術文獻數量的爆炸式增長，作者很難手動篩選每一篇相關文獻。生成式AI依托自然語言處理技術，具備較強的文本挖掘與語義理解能力，能夠高效地從海量文獻中提取關鍵信息，為作者提供其需要的文獻綜述素材。例如，生成式AI可以利用深度學習模型對文獻進行語義分析，并構建知識圖譜，直觀展示相關領域的研究熱點、演進路徑與研究空白。此外，生成式AI可以自動生成文獻的簡短摘要，從而幫助作者快速把握文獻核心內容，提高文獻篩選與閱讀的效率［1］。

（二）內容生成與編輯

傳統的學術內容生產從構思、撰寫到修訂，往往需要作者投入大量的時間與精力。而生成式AI的介入，為這一過程提供了強有力的支持。在內容生成方面，基于大規模的語料訓練，生成式AI能夠根據用戶給定的主題或大綱，自動生成內容連貫、邏輯清晰的文本段落。生成式AI生成的內容雖然仍須作者進行細致的修訂與校對，但無疑為作者撰寫初稿提供了重要啟發，極大地縮短了學術成果的產出周期。在內容編輯方面，生成式AI具有語法檢查、拼寫校正、風格優化等功能，能夠自動識別并修正文本中的錯誤與不當之處，提升文本的語言質量與可讀性。此外，算法模型還能根據特定的學術規范或期刊要求，自動調整文章格式、引用格式等，進一步減輕了作者的負擔，提高了學術出版的效率。

（三）參考文獻管理

參考文獻是衡量學術文本質量的重要指標之一。然而，隨著引用文獻數量的增加，作者手動管理參考文獻變得愈發繁瑣且易出錯。生成式AI通過應用智能化的參考文獻管理工具，為作者提供了高效、便捷的解決方案。生成式AI能夠自動識別文本引用的文獻信息，并生成標準的參考文獻列表。同時，生成式AI還能根據作者的需要，自動檢索并補充相關文獻，確保參考文獻的全面性與準確性，甚至其還具備文獻相關性分析功能，能夠根據研究主題推薦相關文獻，為作者提供豐富的參考文獻資源。隨著生成式AI的發展，其在參考文獻管理中的應用，已不僅限于內容格式化與信息檢索，基于深度學習與數據挖掘技術，生成式AI能夠分析引用網絡，揭示學術領域內的知識流動與影響關系，為作者提供深入的學術分析服務。

二、生成式AI賦能學術出版供給側的潛在

風險

（一）內容質量與可信度風險

隨著生成式AI在學術出版供給側的廣泛應用，其帶來的潛在風險引起了學界的關注。

內容錯誤風險。生成式AI生成內容依賴于訓練數據，而這些數據的質量直接決定了生成內容的質量。目前，由于訓練數據不完整或存在錯誤內容，生成式AI生成的內容的質量并不高。特別是在醫療、法律和金融等專業領域，生成式AI因缺乏足夠的數據支持，導致生成的內容常常不準確、不可靠。例如，2024年2月，一篇發表在《細胞與發育生物學前沿（Frontiers in Cell and Developmental Biology）》上的論文因使用AI生成的錯誤的圖像而引發爭議，最終該文被撤回［2］。內容錯誤不僅會削弱學術研究的嚴謹性，還可能誤導讀者，降低學術出版的可信度。

內容同質化與缺乏創新。生成式AI在內容生成過程中往往依賴于既定的算法模型，這可能導致生成的內容呈現同質化趨勢。在學術出版供給側中，這種同質化現象會導致大量重復性研究出現，浪費學術資源，降低學術創新力。

難以驗證內容來源。生成式AI在內容生成過程中可能引用大量未經驗證的數據，這增加了學術內容的不確定性風險。在學術出版供給側中，出版單位對引用數據的真實性和準確性進行驗證是確保文本質量的重要環節。然而，生成式AI生成的內容往往缺乏明確的引用來源和驗證過程，因此出版單位難以對文本的真實性進行評估［3］。

（二）過度依賴的風險

生成式AI在學術出版供給側的廣泛應用，使得作者能夠輕松地完成內容撰寫與修改等任務。然而，這也可能導致作者過度依賴生成式AI，進而削弱自身的自主研究能力與批判性思維能力。

第一，作者過度依賴生成式AI，會削弱自身的自主研究能力。在生成式AI的輔助下，作者不再需要花費大量時間搜集與閱讀文獻，也不再需要親自撰寫與修訂文本。這種“一鍵式”的學術研究，可能使作者逐漸喪失自主研究能力。長此以往，可能導致學術研究的“空心化”現象。第二，作者過度依賴生成式AI，會削弱自身的批判性思維能力。一方面，生成式AI生成文本往往基于現有的知識體系，因此缺乏對新問題的深入思考。如果作者過度依賴生成式AI，可能會削弱自身的批判性思維能力，從而難以在學術研究中取得突破性的成果。另一方面，作者過度依賴生成式AI可能會使自己陷入“信息繭房”，只接觸到與自己觀點相符的信息，而忽視與自己觀點不同的內容。

（三）學術誠信風險

生成式AI在學術出版供給側的應用可能引發學術誠信風險。

第一，抄襲剽竊行為的隱蔽性提升。生成式AI能夠自動生成與已有文獻相似的內容，這使得抄襲剽竊行為的隱蔽性大大提升。在學術出版供給側中，抄襲剽竊是一種嚴重的學術不端行為。然而，由于生成式AI生成的內容往往難以被傳統查重工具準確識別，這增加了抄襲剽竊行為被發現的難度，給學術監管帶來了巨大挑戰［4］。第二，學術誠信危機加劇。部分作者可能利用生成式AI快速生成學術論文，并將其直接作為自己的原創成果，這嚴重違背學術研究的誠信原則。此類行為可能會誤導后續研究，降低學術研究的嚴謹性和可靠性。當前，盡管已有學術出版機構率先制訂了生成式AI使用原則，并應用了相關檢測工具，旨在規范生成式AI在學術出版中的應用，但現有檢測工具的精確性與可靠性較低，難以有效識別文本內容是否涉嫌抄襲。如何有效執行生成式AI使用原則，如何優化檢測工具，并建立健全的監督機制，以增強學術研究的嚴肅性，是學術出版界亟待解決的重要課題。

三、生成式AI賦能學術出版供給側的風險

治理

（一）建立嚴格的內容審核機制

第一，強化技術輔助審核。學術出版界可以通過應用先進的自然語言處理技術和深度學習算法，構建智能化的內容審核系統，對生成式AI生成的內容進行評估。2023年以來，越來越多的學術出版機構開始應用相關技術輔助內容審核，如一些學術出版機構應用知網AIGC檢測服務系統，對學術論文進行檢測。這一舉措不僅提高了審稿效率，還有效降低了同質化學術內容的發表率。

第二，完善多級審核流程。學術出版機構應完善初審、復審和終審三個環節。初審通過內容審核系統完成，主要檢測文本的AIGC比例、重復率、語言質量和明顯錯誤；復審則由相關領域專家完成，對文本的學術價值、創新性以及研究方法的合理性進行評估；終審則由編輯部或學術委員會負責，對文本整體質量進行最終把關。學術出版機構完善多級審核流程，可以有效降低生成式AI生成內容的傳播率。

第三，建立登記與責任追究機制。為提升學術出版內容的質量，學術出版機構應對每一篇學術論文進行詳細登記，包括作者信息、AI生成內容比例等。這一舉措有助于追溯文本來源，驗證其學術價值。同時，學術出版機構還應建立科研誠信黑名單制度，記錄多次利用AI生成虛假或低質量學術內容的作者或機構，并將其拉入黑名單，取消其投稿資格、撤銷已發表的問題文章，必要時還要追究其法律責任。

（二）提升作者AI素養與自主研究能力

生成式AI的廣泛應用，對作者的AI素養、自主研究能力與批判性思維能力提出了挑戰。為了應對這一挑戰，學術出版機構必須提升作者的AI素養與自主研究能力。

第一，加強作者AI素養教育與培訓。學術出版機構在推動學術研究與生成式AI融合的過程中，承擔著重要的素養教育職責［5］。為了提升作者對生成式AI的認知與應用能力，學術出版機構可以定期舉辦專題講座，邀請AI領域的知名專家，詳細闡釋生成式AI的基本原理及在學術研究中的具體應用場景，同時強調其潛在的風險，以增強作者的風險意識；可以開設一系列在線課程，為作者提供系統化的AI素養教育資源；發布指南手冊，詳述各類AI工具的使用規范、注意事項及常見問題的解決方案。

第二，培養作者的批判性思維能力。在大語言模型日益成熟的背景下，批判性地利用生成式AI處理數據與生成文本，是作者學術研究能力的重要體現。為了培養作者的批判性思維能力，學術出版機構和教育機構要共同發力。例如，學術出版機構可以在學術期刊上開設專欄，邀請專家對生成式AI生成的內容進行點評和分析，引導作者學會批判性思考；教育機構可以開設“AI視角下的學術批判”課程，邀請不同領域的專家對生成式AI生成的內容進行深度剖析，促進作者對生成式AI的批判性利用。

第三，鼓勵作者自主研究與創作。自主研究能力不僅體現在對既有知識的深入理解和批判性思考上，還體現在對未知領域的勇敢探索和創新實踐上。作者應培養獨立思考的習慣，學會從復雜現象中提煉問題，設計合理的實驗或研究方案，并運用生成式AI分析數據、驗證假設。因此，相關科研機構、學術出版機構、行業協會可以開展合作，通過設立創新基金支持作者開展探索性、原創性研究，鼓勵其提出新的學術觀點和方法，并通過舉辦學術會議、研討會等，為作者提供交流和展示的平臺，激發作者的創新熱情和動力。

（三）完善監管框架與法律法規

第一，制定學術生產規范與標準。這些規范和標準應明確生成式AI在學術研究中的使用范圍、限制條件以及責任歸屬。例如，學術出版機構、教育機構、行業協會等相關主體可以規定在哪些情況下可以使用生成式AI輔助內容創作，哪些情況下必須完全由人類作者完成；可以設定生成式AI生成內容的準確率和可信度標準，以及違反標準的處罰措施等。相關主體通過制定學術生產規范與標準，可以為作者提供明確的指導，并約束其行為。2024年9月26日，由中國科學技術信息研究所聯合愛思唯爾、約翰威立國際出版集團、泰勒-弗朗西斯出版集團、劍橋大學出版社等發布的《學術出版中的AIGC使用邊界指南2.0》，提出了AI在學術出版中的使用原則、操作規范以及注意事項等內容。這一指南的發布為學術出版機構和作者提供了重要的參考［6］。

第二，加強法律法規建設。政府部門可以出臺相關法律法規，明確生成式AI在學術出版中的法律地位和責任主體；明確學術不端行為的處罰措施；建立針對生成式AI生成內容的監管機制和申訴渠道等。例如，政府部門可以頒布《學術出版與人工智能管理條例》，規范和管理生成式AI在學術出版中的應用，并設定處罰措施，以促進學術出版的健康發展［7］。

第三，建立多方協同監管機制。為了確保生成式AI在學術出版中的規范應用，相關主體還應建立多方協同監管機制，政府部門、學術出版機構、研究機構以及社會公眾等各方應共同參與監管，形成合力。政府部門設立專門的監管機構或委托第三方機構進行監管；學術出版機構建立內部監管制度和自律機制；研究機構開展相關研究，為監管提供科學依據和技術支持；社會公眾通過舉報、監督等方式參與監管。相關主體通過建立多方協同監管機制，能夠實現對生成式AI的全面、有效監管。

［參考文獻］

［1］肖延兵，余朔.生成式人工智能賦能學術出版應用場景探討［J］.中國出版，2024（06）：44-46.

［2］Midjourney尷尬亮相學術界：為生物學論文配圖，錯得好離譜，網友嘲諷拉滿［EB/OL］.（2024-02-21）［2024-12-15］.https：//www.thepaper.cn/newsDetail_forward_26403336.

［3］鄭雯雯，武悅，王美玲，等.人工智能生成內容在學術出版中的使用框架構建研究［J］.中國科技期刊研究，2024（10）：1349-1356.

［4］郭壬癸.使用生成式人工智能對學術出版倫理的沖擊與法律治理［J］.科技與出版，2024（09）：25-33.

［5］郝海平，盧娜，丁佐奇.共生理論視角下AIGC-學術出版融合發展推進策略［J］.中國出版，2024（20）：57-63.

［6］學術出版AI使用新規《指南2.0》重磅發布，不看虧大了！ ［EB/OL］.（2024-10-11）［2024-12-15］.https：//stm.castscs.org.cn/yw/40882.jhtml.

［7］劉娟.Sora文生視頻大模型對學術期刊出版的機遇、挑戰及應對［J］.新疆師范大學學報（哲學社會科學版），2025（02）：79-88.

［作者簡介］李晟陽（1981—），男，山東五蓮人，沈陽農業大學出版部副編審；（通信作者）曹婷（1989—），女，遼寧葫蘆島人，沈陽農業大學農學院責任編輯。