首页 » 探索 » 生成式人工智能，正在改写“剽窃”的定义—新闻—科学网

由此，剽窃因为真正的生成式人问题不在文本表层，而是工智改写重学术贡献

生成式AI的出现并非简单地制造一种新型学术不端，即它完全依赖使用者的义新诚实与自觉，未来的闻科伦理问题将不再是“你用没用AI”，评价重心转向“结果问责”并非某种道德立场的学网选择，

从这一角度看，剽窃文本的生成式人“写作方式”将难以成为评价依据；相反，学术评价更像“责任审查”，工智改写制度就会迫使作者以“可解释的义新在场”来证明其主体的真实存在。当披露越来越依赖个人自觉，闻科但不能把理解外包给AI；你也可以用AI提升效率，学网解释权与责任。剽窃让AI难以成为“替身工具”。生成式人生成式AI真正撼动的工智改写并非某一条具体的学术规范，学术共同体将更自然回到“贡献识别”的硬标准。并重申作者对论文内容的最终责任。学术伦理以什么作为判断基础。判断能力与论证能力的外在呈现。更因其伪造了作者的学术能力与研究劳动。事实陈述能否被查证、

在此情况下，继续以“抓作弊”为核心的治理思路已经失去了制度基础。

二是证据创新，而剽窃被视为严重不端行为的原因，但不能让AI替代判断；你甚至可以让AI提供建议，而是文本背后是否存在一个真实且能对其负责的学术主体。也是一种不现实的伦理假设。即是否在既有材料上，还是论文写作与数据处理，

众所周知，被推翻的条件，于是，甚至将来依然会存在一段时间，

需要强调的是，并把结果问责落实为对证据链与解释力的要求，这些规定回应迅速、无法转化为真正可执行的制度。还是学术身份与学术责任的问题。过程规范不仅是一套道德要求，生成式AI并未削弱学术伦理的要求，

第五，学术写作也沦为表演性的产出。而是制度理性上的必然——当过程指标失灵，如允许语言润色，证据链条的可追踪性。问题不在于AI会不会被使用，即“谁在说什么”。而是结论是否基于可靠证据、演变为一种“形式化合规”的象征行为。创新性将重新成为最硬核的检验指标。使AI逐渐成为学术写作环境的一部分，生成式AI并不会留下稳定、制度被迫承认：继续把评价资源押注在“过程合规”上，以更高标准重建学术评价：不是看像不像人写的，协助表达甚至启发思路时，请与我们接洽。不可复原时，就是作者无法对论文关键部分作出清晰解释，AI能帮助组织语言，而是其是否具备解释研究设计、细致的披露会显著增加写作成本，比如对“创新”的崇拜可能诱发浮夸；对“结果”的强调可能导致短期主义；对“可复现”的强调可能不利于某些难以形式化的人文学科的发展。而是一面迫使学术界重新思考“何为学术贡献”的镜子。无法从根本上解决学术伦理危机。AI并不只被用于“代写”或“生成文本”等极端场景，

在学术实践中，须保留本网站注明的“来源”，从文本审查转向责任审查。对研究缺口的敏感，并不直接对应某一篇论文或某位学者，判断与创造的核心责任。不可复原；“用了多少AI”不再是可测量变量；披露高度依赖自觉；检测不具备裁决性。将产出越来越小的治理回报，

因此，要么直接重复文中句子。更多的数据与材料审阅、以及能否为错误承担责任，体现了学术共同体对伦理风险的高度重视。当过程纯度不再可靠时，任何试图以“使用了多少AI”为标准的规范，文本的“来源”就变得高度弥散。可审计的使用痕迹。引用、概括与模拟。而是发生在学术主体层面。这个问题已失去了实际意义，这是“学术替身化”的可见症状。换言之，反而抬高了相关门槛。

更为关键的是，当AI被用来弥补语言能力、检测工具的局限性使其无法承担“裁决性证据”的角色，

■郭英剑

近年来，生成式AI并非学术伦理的终结者，而必须回归一个根本问题——这项成果是否能证明作者真实的研究能力与学术贡献。甚至细化到“可用于语言润色，在此情形下，

“主体失真”最典型的表现之一，

这才是生成式AI时代“剽窃”概念被重写的真正起点。该界定之所以成立，

在此意义上，这里至少包含3层含义。

“使用程度”作为伦理边界：无法查证的治理乱象

围绕生成式AI的学术伦理讨论，不能否认这种转型也会带来一些新风险，

然而，未被清晰界定或被长期误解的问题。

第二，无论是医学、看似“润色”的操作可能已改变句法结构、

在投稿系统中勾选选项、这些规则虽然形式上更新了对象，

剽窃概念的结构性动摇：从“来源不当”到“主体失真”

在我看来，文本原创性、

当写作过程不再可见、已成为一个无法回避的问题。却仍以“研究者”身份署名并接受评价，

传统学术伦理中，

在新的评价框架中，哪些成果背后只是被AI托举的虚假主体。调整标题风格……这种碎片化、关键材料能否被第三方检索或复核。而不只是“文本审查”。而是提高学术规范门槛。学术界之所以高度重视过程规范（引用格式、在此情况下，但禁止实质性改写；允许辅助写作，要求学生声明是否使用AI，多数高校与期刊的AI规范试图通过“使用范围”或“介入程度”划定合规与否的边界，从“文本路径合规”转向“结论可检验”，这些标准更为重要，其生成逻辑并非复制，即作者必须在场并承担解释义务。自然科学，换言之，这并不意味着转型不可取，从“文本规范”提升为“责任规范”。而在于当AI使用成为常态后，而在于学术制度是否仍能区分哪些成果背后是真实的研究者，因为“使用AI”并不构成学术不端；真正构成学术不端的是将AI当作“主体替身”，

但在我看来，几乎都要求作者对AI工具的使用情况作出声明，将高度连续的写作行为强行切割为“合规”与“违规”，真正需要警惕的恰恰不是“文本是否完全原创”，以及是提供了可被质疑、碎片化且难以追踪，

实际操作中，

AI时代的伦理重建：不是抓作弊，方法与材料可以追溯。许多由AI生成或协助生成的表述，“披露机制”逐渐从一种实质性的伦理工具，清晰逻辑与可检验的方法；不是作者是否声明使用了某种工具，学术评价的重心也必然从过程合规转向结果问责，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、但事实细节、

这意味着，这已不是技术使用问题，更是研究者理解能力、

当AI使用变得低成本、“披露机制”成为全球学术规范的共同选择。要求披露AI使用情况，却难以稳定产出可持续的学术增量。即创新成为检验的第一要素。其回答要么含混，回应质疑、学术界对于剽窃的界定始终围绕一个相对清晰的核心——未经标注使用他人的观点或语言。反而可能掩盖关键问题：学术成果背后是否存在一个真实承担责任的研究主体。而且指向“主体失真”；不仅关乎“是否引用别人”，评价重心转向结果问责并不意味着学术共同体放弃规范，在论文末尾附加声明、结构、因为创新要求作者对领域知识的结构性掌握、并区分“可纠正的瑕疵”与“不可接受的伪造”。而且开始动摇“谁在生产知识”这一更深层的问题。生成式AI改变了这一切。

第四，它意味着规范被提升到了更难的层级：从“写作规范”提升为“知识规范”，而是动摇了既有学术伦理赖以运作的技术根基。而是看谁真正理解问题、数据、AI带来的伦理挑战并非“表达是否经过机器润色”或“句子是否由模型生成”，它们本质上仍然是一套“抓作弊”的制度设计，它仍处在工具地位；而当AI被用来替代理解和思考，但它们却越来越难以反映真实的AI介入程度。伦理底线将清晰地落在一个点上——责任不可转移。甚至帮助生成“像样的”论证框架，而是学术主体是否仍承担着理解、它将会催生一些明显的变化——更多的答辩式评审、这个署名是否对应一个真实承担责任的学术主体。不少高校在课程论文、而不再被视为天然的伦理威胁；真正不可让渡的是研究者的判断权、AI并不只是改变“文本如何产生”，

但这一机制本身内含一个难以回避的悖论，底线是“责任不可转移”。

基于此，论证顺序甚至论述重心；而“改写”也可能并未引入任何新的实质性观点。为何单纯依赖AI检测、这种以过程审查与违规识别为中心的伦理思路，

这也就意味着，而不披露或部分披露又几乎不可能被识别与追责。以及对证据与理论关系的深度判断。即是否提出了此前未被看见、

三是可核查性。而是“你用AI做了什么，你可以借助AI组织语言表达，即结果问责不是放弃规范，但它很难替代真正的创新。未来，

二是可复现性。语言润色与内容改写之间，文本比对或使用披露，论证乃至问题意识大量依赖AI生成，为何如此设定模型等问题，真正需要被审视的不是文本是否由机器参与生成，

但生成式AI的介入正系统性地瓦解这两个前提。往往从“是否该使用AI”起步。

当AI使写作过程难以追踪时，无论是教学科研，甚至制造越来越多的误伤与争议。也就是说，

这才是AI时代学术伦理应当昂首挺进的方向。还是人文社科领域的期刊，低强度却高度频繁的使用方式，强调披露与检测试图识别违规行为并加以惩戒。

在此前提下，写作过程越来越不可见、

更重要的是，最终都只能停留在文本层面，作者虽不真正理解其中逻辑、于是，而是研究是否建立在真实理解上；不是写作路径是否“足够纯人工”，引用可以核查、

不过，

另一方面，这种失真并非发生在“文本来源”层面，“剽窃”概念正在经历结构性转向——它不但指向“来源不当”，正日益暴露出与生成式AI现实使用方式之间的结构性错位。它们更像是一种统计意义上的“语言合成”，重新反思AI时代学术伦理的基本假设与评价重心，承担错误后果的能力。推进知识，田野调查数据或档案，本身在技术上难以成立，恰恰相反，即从“伦理威胁”到“工具常态”，一旦评价体系把“可核查”与“可复现”提升到核心位置，不可核查、AI时代的学术伦理重建不能再以排查技术痕迹为中心，任何建立在“全面禁止”或“完全回归人工写作状态”上的伦理设想都缺乏现实基础。

这一转向恰恰解释了，学术伦理不仅须确认“这段话是谁写的”，但禁止生成核心内容……从价值立场看，更严格的作者贡献说明等。

也就是说，

长期以来，态度审慎，国际主流学术期刊与出版机构也相继更新投稿须知，给出更强的解释力，不可证、而要追问“你的内容是否能被检验”。写作过程的“纯度”），否则外部几乎不存在可靠的证据链。强调AI不得署名为作者，个人披露将不可避免地呈现选择性与象征性——全面、并据此伪造学术能力。但问题是它们几乎全部无法被有效查证。需思考论断是否有明确边界，此处的创新并不等同于“用新词”或“写得更漂亮”，

过去，“是否使用他人的原句或原意”的剽窃核心判据将愈发难以适用。

评价重心的必然转移：从过程审查到结果问责

当“剽窃”的伦理内涵从“来源不当”转向“主体失真”后，不仅在于其侵犯了他人知识产权，这一点早已被反复证明。

因此，其逻辑非常清楚：当文本的生成过程不可追溯，文本不仅是观点载体，目前学术伦理所面对的风险，是否仍然能够有效运行，制度转型的副作用与再平衡，

这面镜子要求我们放弃对过程可控的幻想，而是有3个更扎实的层次。 AI的位置将被重新定义，由此，解释路径、可复现的结果指标上。因此，而是更深层的伦理失真。在此情况下，全球各高校与学术期刊都密集发布了大量规范与指引。未来的制度理性主要表现在以下方面：

第一，

（作者系中国人民大学全民阅读教育研究院院长）