科学网—隔行不再隔山，AI正在撕碎学术造假的内行保护伞

已有 192 次阅读

2026-5-10 17:56

| 个人分类: 学术生态 | 系统分类: 观点评述

2026年4月，一个自称“耿同学”的博主，把中国学术界搅了个天翻地覆。他接连举报了好几位重量级人物发表在顶刊上的文章。比这些重量级人物被拉下神坛更让人震惊的，是耿同学用的方法，简单到超乎想象。

他没有什么内部消息，也没有什么特殊资源，他只是下载了这些论文的补充材料，用几个网上能搜到的AI工具，配合一些数据分析软件，找出了无数隐藏多年的造假痕迹。正如他在视频中反复强调的，这些事情没有任何技术门槛，任何人只要会用电脑，都能做到。这句话，才是真正的革命宣言！

以前的学术打假，是少数人的苦行

在AI出现之前，学术打假是一场极不对称的战争。造假者占尽了所有便宜，打假者举步维艰。为什么？因为有三道铜墙铁壁挡在前面。

第一道墙，专业壁垒。隔行如隔山这句话，在学术界就是真理。一篇生物学论文，满篇都是HDAC6、癌症干细胞、免疫荧光染色，别说普通人了，就是隔壁化学系的教授看了都一头雾水。你怀疑它造假？但是你连从哪里看起都不知道。

而真正看得懂的内行呢？大多是同一个圈子里的人。抬头不见低头见，谁愿意得罪人？搞不好自己以后还要靠人家审稿、拿项目呢。

第二道墙，人类的注意力极限。一个审稿人看一篇论文，撑死了也就几个小时。他要理解研究思路，要评估实验设计，要分析结果意义。他根本不可能记住作者过去几十年发表的所有论文里的每一张图片，也不可能去核对论文里的每一个数字。

那些明显到离谱的造假，为什么能通过顶刊的严格评审？不是审稿人傻，是他们根本没有时间和精力去做这种找茬的工作。更何况，学术出版的基石是对同行的基本信任，没有人会默认每一篇投稿都是造假。

第三道墙，证据难题。就算有专家真的看出了问题，他也很难拿出铁证。很多时候他只能说我感觉这篇论文不对劲，但这种主观判断在学术调查里根本不算数。没有确凿的证据，最后只能不了了之。

所以这么多年来，学术造假一直是一门低风险、高回报的好生意。只要骗过几个审稿人，就能换来终身教职、千万经费、各种荣誉。而被发现的概率，微乎其微。

当然，也有例外。像Elisabeth Bik这样的传奇打假人，凭借惊人的记忆力和专业素养，在没有强大AI的年代，靠肉眼和基础软件识别出了数千张问题图片。但这样的人，全世界屈指可数。她一个人穷尽一生，也只能检查几十万篇论文中的极小一部分。

AI来了，一切都变了

AI的出现，把这三道墙砸得粉碎。它不需要懂什么专业知识，不需要有什么学术背景，也不需要有什么人脉关系。它只需要数据和逻辑，就能让所有造假无所遁形。

文字抄袭？再怎么改头换面都没用

以前的查重工具，只能查复制粘贴。你把同义词换一换，语序调一调，它就认不出来了。现在的AI不一样了。它已经进化到了“思想指纹”的阶段。

它不看你用了什么词，也不看你怎么组织句子。它看你文章里的核心思想和逻辑结构。哪怕你把一篇中文论文翻译成德文，再翻译成法文，最后再翻回中文，AI还是能一眼认出它的“亲生父母”。

图片造假？AI是显微镜级的火眼金睛

这是AI最厉害的地方，也是造假者最害怕的地方。

生命科学领域，一图胜千言。以前图片造假几乎是零风险，因为人眼根本看不出来那些经过精心处理的图片。

但现在不行了。AI能看到像素级的细节。它能发现WB条带边缘那一点点不自然的拼接痕迹，能认出同一张图旋转90度、裁剪掉90%、调完亮度对比度之后的样子，能在几亿张学术图片里找到任何一张图的所有分身。

有个数据特别震撼：Elisabeth Bik曾和团队在2016年发表了一项里程碑式的研究，他们用人工筛查结合基础软件辅助的方式，扫描了1995-2014年间发表的2万多篇涉及WB的学术论文，发现近4%的论文都存在至少一张数据图的不恰当复制和使用。而这些论文，当年人工审查的时候全部通过了。

耿同学发现的那些问题，什么同一张小鼠图用在不同实验组，什么同一个条带复制粘贴好几次，对AI来说都是小儿科。它几分钟就能扫完一个教授一辈子发表的所有论文里的所有图片，找出所有重复的地方。

数据造假？数学不会骗人

这是最让大家觉得解气的部分。很多造假者觉得，我只要把数据编得像那么回事就行了。但他们不知道，真实的实验数据有它自己的规律，假的永远真不了。

AI能发现所有这些规律的异常。它能看出你的数据是不是“过于完美”，完美到不符合自然规律；能看出你的p值是不是刚好都卡在0.05以下，巧得不像话；能看出不同实验的数据序列是不是长得太像了，像是复制粘贴的。

历史上最著名的数据造假案，当属日本麻醉学家藤井善隆。他在20多年间发表的论文中，大规模伪造临床实验数据，最终导致183篇论文被撤稿，曾创下单人撤稿数的世界纪录。他的数据“完美”到不符合统计学规律，在被揭穿前欺骗了学术界整整二十年。这种大规模的数据造假，如果放在今天，AI只需要几分钟就能通过统计异常检测全部发现。

耿同学发现同济大学高绍荣团队那篇论文里，64个核心数据的小数点后两位居然全都是".48"。这种事情发生的概率，比你连续抛64次硬币全是正面还要低。

现在的AI也能分析你上传的原始Excel文件。它能读取文件的元数据，发现创建时间、修改时间的异常；也能对数值分布进行统计检验，找出不符合自然规律的地方。虽然它还不能像"法医"一样精确区分每一个数据的输入时间，但它能清晰地标记出哪些数据批次存在明显的异常模式。

AI的终极杀招：跨模态交叉验证

这才是真正的大杀器，人类永远也无法高效做到的事情。

我们看论文的时候，都是先看文字，再看图片，最后看表格。很少有人会把这三者逐字逐句地对应起来核对。但AI会。

它会自动检查：你文字里说的实验温度是250度，为什么图里的温度曲线最高只有200度？你图片里显示有12个样本，为什么表格里只有10个数据？你A实验得到了这个结果，为什么B实验的结果和它完全矛盾？

当AI在文字、图片、数据这三个完全独立的地方都发现了矛盾的时候，那就不是什么“无心之失”了。那就是主观造假，板上钉钉。

最革命性的变化：从少数人的苦行到普通人的权利

这才是AI带来的真正革命。以前，学术打假是少数天才专家的特权。现在，它变成了每一个普通人都能参与的事情。

当然，这并不是说会点鼠标就行。耿同学本人也会使用Matlab等工具进行数据分析，也需要阅读和理解网友提供的专业线索。他能从海量论文中锁定关键疑点，离不开一定的逻辑推理和数据分析素养。

但这个门槛，已经从需要深耕该领域十年以上的专家，降低到了任何一个受过基本高等教育的普通人。

你不需要是博士，不需要是教授，甚至不需要是生物学专业的。你只要会用电脑，会下载文件，会使用那些免费的AI工具，就能发现很多明显的造假痕迹。

当AI告诉你这两张图有99%的相似度时，你不需要任何专业知识就能判断这是图片重复；当AI告诉你这组数据的小数点后两位全部相同时，你不需要任何统计学知识就能判断这是数据造假。

这些证据，都是客观的、铁一般的事实。任何人看了，都能得出同样的结论。

所以，耿同学不是因为他比那些审稿人更聪明，也不是因为他比那些专家更专业。而是因为他手里有了AI这个前所未有的武器。

学术造假的成本，已经变得无限高

在过去，造假者只需要骗过3个审稿人就行了。现在，他们需要骗过全世界所有会用AI的人。

一篇论文发表之后，可能会被成千上万的人用AI工具检测。任何一个人，在任何时候，都可能发现其中的问题。而且一旦被发现，证据确凿，根本无法抵赖。你今天造的假，可能明天就会被一个千里之外的、和你素不相识的普通人给揭穿。

无论你是多大的学术大牛，无论你的论文发表在多高影响因子的期刊上，都没用。AI不认头衔，不认关系，只认事实和逻辑。

结语

科学的本质是求真。但这么多年来，我们的学术界却被一群造假者搞得乌烟瘴气。他们拿着国家的科研经费，做着虚假的实验，发表着垃圾的论文，然后踩着这些垃圾爬上高位。真正踏踏实实做研究的人，反而得不到应有的回报。

现在，AI来了。它就像一道光，照进了这个黑暗的角落。它不是来取代科学家的，它是来守护科学的。它没有否定Elisabeth Bik等前辈打假人的贡献，而是把他们那种极少数人才能拥有的能力，普及给了每一个普通人。

它撕碎了学术造假的内行保护伞，让学术监督从少数人的苦行变成了全民的权利。

耿同学的打假风暴，只是一个开始。当越来越多的普通人拿起AI这个武器，当学术造假的成本变得无限高的时候，那些投机取巧的人终将无处遁形。而科学，也终将回归它本来的样子。

你怎么看AI打假这件事？你觉得它真的能终结学术造假吗？欢迎在评论区留下你的看法。

转载本文请联系原作者获取授权，同时请注明本文来自赵斌科学网博客。 链接地址： https://blog.sciencenet.cn/blog-502444-1534249.html

上一篇： 能否把“有效失败”纳入科研评价体系

主题：造假|一个|隔行|AI正在撕碎学术造假