人工智能技術(shù)對科技期刊科研誠信的作用*

□文│何小軍 梁 俊

我國對科研誠信的重視已經(jīng)上升到國家層面。國務(wù)院發(fā)布了《關(guān)于全面加強基礎(chǔ)科學(xué)研究的若干意見》；中國科學(xué)技術(shù)協(xié)會印發(fā)了《科技工作者道德行為自律規(guī)范》。但目前我國在處理學(xué)術(shù)不端行為上名硬實軟、缺少“牙齒”。中央全面深化改革委員會第五次會議審議通過的《關(guān)于深化改革培育世界一流科技期刊的意見》，強調(diào)了科技期刊傳承人類文明，薈萃科學(xué)發(fā)現(xiàn)，引領(lǐng)科技發(fā)展，直接體現(xiàn)國家科技競爭力和文化軟實力，要以建設(shè)世界一流科技期刊為目標(biāo)，科學(xué)編制重點建設(shè)期刊目錄，做精做強一批基礎(chǔ)和傳統(tǒng)優(yōu)勢領(lǐng)域期刊。凈化學(xué)術(shù)環(huán)境是做大做強科技期刊的基礎(chǔ)與保障。應(yīng)對學(xué)術(shù)不端行為，我們不僅要有嚴厲的懲治政策，也應(yīng)有高效的發(fā)現(xiàn)能力。如何高效運用人工智能（AI）技術(shù)盡早發(fā)現(xiàn)科研失信問題，提高對學(xué)術(shù)不端行為檢測技術(shù)的威懾力，應(yīng)當(dāng)成為我國科研誠信建設(shè)的一項重要任務(wù)。

一、人工智能技術(shù)：整治科研失信的新工具

科研失信行為極大地破壞了當(dāng)前我國的學(xué)術(shù)環(huán)境。由于種種原因，主動發(fā)現(xiàn)科研失信行為面臨困難。

1.科研成果數(shù)量巨大，管理難度大

隨著社會進步和科學(xué)技術(shù)迅猛發(fā)展，各類研究成果不斷快速涌現(xiàn)并導(dǎo)致文獻數(shù)量急劇增長。僅以中國為例，據(jù)中國科技論文與引文數(shù)據(jù)庫（CSTPCD）統(tǒng)計，2017年CSTPCD收錄自然科學(xué)領(lǐng)域期刊2029種，發(fā)表我國作者作為第一作者的論文47.23萬篇；收錄社會科學(xué)領(lǐng)域期刊394種，發(fā)表我國作者作為第一作者的論文5.95萬篇。[1]除此之外，還有科技報告等大量特種文獻。隨著網(wǎng)絡(luò)的發(fā)展，更是產(chǎn)生了海量的經(jīng)過網(wǎng)絡(luò)產(chǎn)生和傳播的學(xué)術(shù)科研信息。隨著網(wǎng)絡(luò)和信息技術(shù)的發(fā)展，學(xué)術(shù)文獻撰寫、編撰、出版、存儲、傳播整個流程的電子化成為發(fā)展趨勢，但也為各類造假提供了便捷的渠道。

2.人工智能技術(shù)對于科研誠信系統(tǒng)構(gòu)建的優(yōu)勢

科技期刊作為學(xué)術(shù)成果的主流展示交流平臺和科研知識文庫，有責(zé)任也有義務(wù)對其內(nèi)容的真實性進行判斷和篩選。但目前，科技期刊對于各種學(xué)術(shù)失信行為的防范，主要依賴于評審專家的學(xué)術(shù)判斷、讀者或同行的舉報、學(xué)術(shù)倫理規(guī)范的引導(dǎo)以及科研資源的知識工程和有效可信信息的知識導(dǎo)航的運用。

人工智能技術(shù)對于科研誠信系統(tǒng)的構(gòu)建有著無以比擬的技術(shù)優(yōu)勢?；谌斯ぶ悄艿目蒲匈Y源與可信度的知識圖譜與知識導(dǎo)航和知識工程的研究密切相關(guān)。人工智能是知識工程和知識導(dǎo)航的原理和方法，對需要運用專家的智慧和知識才能解決的應(yīng)用性難題提供了解決辦法。20世紀90年代的大規(guī)模知識工程和目前的超大規(guī)模知識工程（以開放性知識庫OpenKG和UMLS為代表[2]），側(cè)重研究實體識別和表示、關(guān)系提取、知識融合和集成、知識推理等方面?，F(xiàn)在，知識工程的“產(chǎn)品”在產(chǎn)業(yè)界也已經(jīng)開始了大規(guī)模部署和應(yīng)用，如百度大腦、知識圖譜和學(xué)術(shù)導(dǎo)航等產(chǎn)品相繼面世。但知識工程過分地依賴于知識庫或知識本體的構(gòu)建，是一種集中式的信息處理方法。

在“互聯(lián)網(wǎng)+科研知識”結(jié)合后，一方面，將所有的信息進行集中獲取和處理是不可能完成的任務(wù)；另一方面，科研文獻大數(shù)據(jù)具有動態(tài)、連續(xù)性、碎片化等特征，如何有效融合靜態(tài)和動態(tài)知識是迫切需要研究的問題，只有將AI技術(shù)與知識工程完美結(jié)合才可以解決這類問題，見圖1。

圖1 基于AI技術(shù)的科研誠信系統(tǒng)工作模型

此外，運用AI技術(shù)構(gòu)建科研資源與學(xué)習(xí)行為的知識圖譜與知識導(dǎo)航不僅在預(yù)防科研造假中有光明的前景，還可以挖掘科研大數(shù)據(jù)的價值，同時豐富目前大數(shù)據(jù)知識工程的理論和方法。

二、科研失信治理對檢測技術(shù)的挑戰(zhàn)

隨著互聯(lián)網(wǎng)、計算機、信息化技術(shù)的普及與提高，計算機和數(shù)據(jù)庫系統(tǒng)在科研誠信系統(tǒng)建設(shè)中扮演了重要的角色，人工智能技術(shù)也開始在科研誠信系統(tǒng)建設(shè)中發(fā)揮作用。隨著大數(shù)據(jù)時代的到來，伴隨著海量的數(shù)據(jù)產(chǎn)生的科研失信，其防治難度將更大，科研失信行為隱藏得更深更難以發(fā)現(xiàn)；同時，基于人工智能而產(chǎn)生的隱私問題，因為缺少制度監(jiān)管及人工智能技術(shù)本身仍不夠完善，對AI在科研失信治理中的作用提出了一定的挑戰(zhàn)。

當(dāng)前，國際上對科研與出版的學(xué)術(shù)失信行為的認定主要包括偽造（fabrication）、篡改（falsification）和剽竊（plagiarism）等。[3]現(xiàn)有學(xué)術(shù)出版物的學(xué)術(shù)反剽竊主要采用針對文本比對檢測的主流計算機輔助手段，[4]國內(nèi)有中國知網(wǎng)學(xué)術(shù)失信文獻檢測系統(tǒng)（AMLC）和萬方數(shù)據(jù)庫以萬方數(shù)據(jù)的學(xué)術(shù)文獻資源為比對提供的論文相似性檢測服務(wù)（PSDS）以及國外的查重系統(tǒng)（CrossCheck、Plagiarism、Mydropbox、WordCheck、Paperpass、Turnitin 等），已被大部分期刊編輯部所采用。[5]但這些反剽竊系統(tǒng)也具有如下不足：①目前的反剽竊系統(tǒng)多局限于同一語種內(nèi)的不同文本間是否存在科研失信問題，但對不同語種間的科研失信行為卻無從下手。因為這不僅僅涉及知識導(dǎo)航，還需要自然語言處理，尤其是機器翻譯技術(shù)的支持。②在正式運行前，大部分會自動剔除上傳文件中的圖表和公式等信息，故對圖片本身的剽竊問題顯得束手無策，只能通過為數(shù)不多的圖表題目、注解等進行判斷。

然而，對剽竊、篡改和偽造等失信行為的判斷，最有說服力的證據(jù)就是圖表以及數(shù)據(jù)本身。斯坦福大學(xué)的5位研究人員從數(shù)據(jù)庫（PMC）中隨機選擇了1364篇生物醫(yī)學(xué)相關(guān)文獻并從中抽取出4778張圖片作為數(shù)據(jù)集。在此基礎(chǔ)上通過有監(jiān)督機器學(xué)習(xí)技術(shù)訓(xùn)練出一個生物醫(yī)學(xué)圖片查重和匹配模型（ImageCheck）。使用該模型對2009～2016年發(fā)表在分子與細胞生物學(xué)（MCB）上的960篇論文組成的測試集進行評估后發(fā)現(xiàn)，其中59篇（6.1%）含有“不適當(dāng)?shù)摹敝貜?fù)圖像，約有2%值得再去進行圖像證偽；[6]但有監(jiān)督學(xué)習(xí)需要大量各種不同類型的標(biāo)注圖片庫，這仍將是一條漫長的建設(shè)道路。以被曝光的哈佛大學(xué)皮耶羅·安韋薩（Piero Anversa）長達17年的干細胞造假事件為例，其聲稱在所謂的心臟干細胞領(lǐng)域取得了令世人震驚的“重要發(fā)現(xiàn)”，有著最嚴謹、最苛刻的審稿團隊的《新英格蘭醫(yī)學(xué)雜志》《柳葉刀》《循環(huán)》等全球著名的頂級醫(yī)學(xué)學(xué)術(shù)期刊也未能發(fā)現(xiàn)相關(guān)研究中數(shù)據(jù)的篡改和大量的圖片造假，刊發(fā)了他的所謂“研究成果”，使他成為美國乃至世界心臟病領(lǐng)域最著名的“大牛”和“絕對權(quán)威”，甚至開創(chuàng)了一個全新的心臟病研究和醫(yī)療產(chǎn)業(yè)——“干細胞療法”。直到2018年10月15日，美國生命科學(xué)網(wǎng)站“STAT”發(fā)布報道稱，哈佛大學(xué)醫(yī)學(xué)院要求撤回前哈佛醫(yī)學(xué)院教授皮耶羅·安佛薩（Piero Anversa）的31篇論文，謊言至此方被戳穿。

在科技快速發(fā)展的今天，傳統(tǒng)的預(yù)防和檢測方法工具在學(xué)術(shù)不端防治中的作用是有限的；即便是擁有較高學(xué)術(shù)水平的《新英格蘭醫(yī)學(xué)雜志》的評審專家也沒有發(fā)現(xiàn)研究中存在的造假行為。就上例來看，其研究有著眾多看似精美、客觀的圖片，圖形比對檢測系統(tǒng)應(yīng)該有用武之地?，F(xiàn)有的研究成果對于技術(shù)細節(jié)交待的都不是很清楚，如有的研究[7]重點放在了如何設(shè)計檢測和預(yù)防學(xué)術(shù)論文中圖像（image）抄襲的概念模型以及在此基礎(chǔ)上的業(yè)務(wù)流程框架，但沒有涉及如何實現(xiàn)查重、驗真，如何標(biāo)注、如何訓(xùn)練，具體的程度是多少，參數(shù)的調(diào)整都未交待，其檢測結(jié)果的說服力仍然有待驗證。因此，要應(yīng)對科研成果里錯綜復(fù)雜的海量圖片，做到去偽存真，這是對（所有閱讀文獻的）人的挑戰(zhàn)，也只有通過人工智能不間斷的學(xué)習(xí)能力，才有可能得以解決。

三、對策和建議

對于涉及人為造假的“假冒同行評審”（Fake Reviews）等行為，更是學(xué)術(shù)出版所不能容忍的?？蒲惺沤?jīng)歷了從“負責(zé)任的研究行為”，經(jīng)過“有問題的研究行為”，發(fā)展到“故意的不當(dāng)行為”，是一個連續(xù)的惡化過程，這是對學(xué)術(shù)界的褻瀆，也是對科技期刊界的挑釁。斯坦福大學(xué)的研究人員也發(fā)現(xiàn)學(xué)術(shù)文化、同行控制、發(fā)表獎金制度以及政策等因素與這些潛在不端行為高度相關(guān)，是影響科研誠信的要素。

雖然我國已經(jīng)陸續(xù)出臺了一系列政策法規(guī)，對學(xué)術(shù)失信行為進行整治，但是買賣論文、代發(fā)代寫、大量撤稿等新聞依舊一次次沖擊著我們的倫理底線。

人工智能技術(shù)在為科研失信的治理提供強大武器的同時，也對其合理使用提出了新要求，應(yīng)當(dāng)在科研失信治理中充分利用AI技術(shù)優(yōu)勢的同時對它的應(yīng)用加以法律的制約，以充分保護相關(guān)人員的合法權(quán)益并有效阻遏科研失信行為的發(fā)生。AI背景下的科研失信治理需要以加強科研人員的誠信教育為基礎(chǔ)，以有力的法律、法規(guī)制度為保障，輔以人工智能技術(shù)為強力防治手段，形成三位一體的綜合治理模式。

1.設(shè)立科研人員個人誠信檔案制度

個人誠信檔案在歐美等發(fā)達國家已發(fā)展運用得較為成熟。[8]如美國是以商業(yè)公司服務(wù)為主的運作模式；歐洲則以政府為主導(dǎo)，以中央銀行或金融監(jiān)管部門管理個人誠信檔案。在西方國家公民的誠信記錄與社會生活各個方面關(guān)系密切，直接與教育、工作、收入、保險、金融服務(wù)等方面緊密相關(guān)。同他們相比，中國的誠信系統(tǒng)建設(shè)起步較晚，但國家非常重視。

建立科研管理制度?；诰W(wǎng)絡(luò)多維度和海量數(shù)據(jù)建立科研誠信檔案庫后，科研主管部門、評審專家、科研人員都可以實現(xiàn)資源共享。在人工智能技術(shù)的幫助下，實現(xiàn)對申報項目的選題、研究內(nèi)容與方法、創(chuàng)新、社會和經(jīng)濟效益等方面進行分析，更方便、快捷地對研究數(shù)據(jù)、科研成果乃至出版載體的真實性和價值進行評估。

建立科研人員的監(jiān)督、管理制度?；贏I技術(shù)、網(wǎng)絡(luò)多維度和海量數(shù)據(jù)建立科研誠信檔案庫后，科研主管部門很方便地就能行使準(zhǔn)入機制，有了人工智能技術(shù)的支撐，就能夠?qū)ι暾埲思捌淇蒲袌F隊的詳細情況及既往誠信情況有全面的了解與評估；人工智能技術(shù)在項目申請、科學(xué)研究和學(xué)術(shù)評議中能對申報者的研究方向是否合適、是否有能力按項目要求完成科研、是否有可能取得創(chuàng)新性研究成果作出初步評估。

獎懲有力有據(jù)。基于機器學(xué)習(xí)技術(shù)、網(wǎng)絡(luò)多維度和海量數(shù)據(jù)建立科研誠信檔案庫后，將會極大地增加科研人員及其誠信行為的綜合影響力，為其今后的科研、晉升、評聘等產(chǎn)生影響。此外，準(zhǔn)確、實時地記錄、公開科研失信行為并及時地給予處罰，實現(xiàn)互聯(lián)網(wǎng)內(nèi)異構(gòu)信息的交互，將減少科研主管部門和科研機構(gòu)對科研失信行為等各類信息掌握不對稱的情況，增加科研失信行為的違法、違規(guī)成本，進而對科研失信行為產(chǎn)生巨大的威懾力。

2.誠信教育防微杜漸

誠信教育是科研誠信防微杜漸、長治久安的最有效工具，是治理科研失信的基礎(chǔ)。只有德治與法治兩手并重才有可能真正完成我國誠信體系的構(gòu)建并發(fā)揮其在我國科研進步中的重要作用。對于科研誠信建設(shè)而言，不僅要有嚴格的法律制度，更應(yīng)有基于人工智能技術(shù)的科研失信檢測手段加以防治，同時，對科研失信人員的懲治也不應(yīng)浮于形式。但構(gòu)建我國的科研誠信體系的目的并不單單是懲罰違規(guī)者，而是要通過科研誠信建設(shè)，打造我國良好的科研環(huán)境，為我國的科研創(chuàng)新提供保障，為中國創(chuàng)造、中國智造服務(wù)。在此意義上，通過科研誠信教育，提高科研人員的科研誠信素養(yǎng)，使其自覺遵守科研誠信規(guī)范和法律制度，從而避免科研失信行為，就顯得更為重要。

針對科研誠信的教育，應(yīng)該始于大學(xué)，從大學(xué)開始就對未來的科研人群進行教育，讓他們掌握科研規(guī)范與要求，避免因不了解科研規(guī)范而陷入科研失信，同時也從一開始就培養(yǎng)科研誠信，使之成為陪伴終生的習(xí)慣；科研誠信也應(yīng)融合到素養(yǎng)教育中去，可以針對科研人員進行針對性的專題教育，培養(yǎng)、規(guī)范正確的科學(xué)信念：誠信是保障科研創(chuàng)新的重要基礎(chǔ)，面對海量的科研信息，科研人員應(yīng)當(dāng)在了解知識產(chǎn)權(quán)，了解科研誠信的基礎(chǔ)上，充分利用國內(nèi)外的科研成果，了解相關(guān)領(lǐng)域的最新進展，避免重復(fù)性、無用性研究，進而站在前人研究的基礎(chǔ)上，實現(xiàn)自己的創(chuàng)新與突破。

四、結(jié)語

科研誠信問題是必須重視并加以解決的，我們不僅要有嚴格的懲治措施，同樣需要有高效的發(fā)展手段，但我們同樣不能忽略誠信的教育問題，只有綜合運用多種措施，才能為我國的科技進步與發(fā)展，為建設(shè)科技強國提供有力保障。