学术真正的危机，不是AI会写论文，而是我们只会认头衔——胡翌霖谈如何让知识重新接受检验

共 5,026 字2026.07.10

胡翌霖访谈｜2026年7月10日

◆

导语｜2026年5月，一场在哥本哈根举行的国际医学会议卷入疑似系统性学术造假：数名印尼参会者被指虚报机构隶属、冒用真实研究者姓名，并以可疑研究进入国际会议。印尼高教部门和国家研究机构随后展开调查。进入7月，《自然》又报道了可以抹去“AI腔”的学术文本“人性化”工具；另一项针对250万篇生物医学论文的审计，则在近3000篇论文中发现无法对应到真实出版物的虚假引文。^[1][3][4]

假学者、假作者、假引文、AI作弊——这些事件看起来都在逼问同一个问题：怎样证明一项学术成果“真的是人做的”？但自由学者胡翌霖认为，这个提问仍然停留在表面。学术眼下更深的危机，不是AI让人的身份变得难以辨认，而是许多学术制度早已不再善于判断知识本身，只会借助作者、头衔、机构、期刊与格式这些外在标签来替代判断。

一个伪学者为何能穿过层层审查

印尼会议风波并非孤例。2025年，江苏科技大学前“首席科学家”郭伟被校方认定存在严重学术不端，学校解除聘用协议并向公安机关报案。媒体调查称，其履历中的多项经历和成果存在明显矛盾，并被指借用了同名研究者的成果；学校也承认人才引进过程中材料审核把关不严。更能说明问题的是，履历审核并未首先识破这套学术包装，反而是与郭伟实际接触的学生，从论文作者照片、专业交流和日常科研活动中逐渐察觉异常。^[2]

胡翌霖认为，这类彻底伪造学术身份的事件并不是评价体系之外偶然闯入的骗子，而是评价体系把“名”与“实”长期分离后的极端结果。一个人只要顶着足够耀眼的头衔，便可能获得职位、经费、学生、住房、社会声望和组织内的实际权力；而真正能够检验其学术能力的场景，却被挤到了制度边缘。

“如果我们主要根据实际交流来评估学者——例如，他究竟怎样教育学生，究竟怎样和同院系的学者合作，怎样和学界同行唇枪舌剑地批评和辩论，究竟怎样演讲和授课——在这些场景下，伪装者显然更容易露馅。”

从古希腊广场上的公开辩论、经院时期制度化的论辩，到近代早期横跨欧洲的书信网络，知识曾经强烈地表现为一种交往活动：一个观点要进入共同体，必须面对追问、反驳、修正和再阐释。现代论文理应保存这种论辩传统，但在许多场合，论文写作越来越四平八稳，同行之间更多彼此引证和礼貌性肯定；学术会议则成为例行汇报、交换名片和拓展人脉的场所，真正激烈的学术争论反而不多见。

这种变化也影响了学生的选择。有真才实学的教师未必认真教学，也未必掌握资源；拥有头衔和行政光环的教师，却可能给学生带来项目、职位、人脉与隐性权力。于是，从学生、同行到领导，都可能理性地偏爱“可兑换的光环”，而不是真实的创见与交流能力。

“大家舍本逐末，弃实追虚，大部分人都是‘有名缺实’，这些个彻底‘有名无实’的案例也只是最极端的情形罢了。”

AI写没写，不应成为知识的终审问题

围绕AI与学术的争论，常常也沿用同一种身份逻辑：人们首先追问一篇文章到底是谁写的、用了多少AI、能否检测出“AI痕迹”，然后才考虑它说得对不对。最新出现的“academic humanizer”能够让模型模仿作者既有风格、清除常见的AI句式，这进一步显示，企图凭文风鉴定作者身份，很容易陷入无休止的检测与反检测。与此同时，虚假引文审计提示了另一条更扎实的道路：不必猜测一条参考文献是人编的还是AI编的，只需要核查它是否真实存在、是否支持相应论断。^[3][4]

“现今你不用AI才叫学术不端。用AI是理所当然的。”胡翌霖说。他此前已在《学者如果不用AI，属于学术腐败》和《禁止学生用AI写论文的大学应当就地解散》中系统阐述过这一立场。这两篇旧文主要回应“学术是否应使用AI”的争论，而这一立场还会引出更根本的知识论问题：学术评价究竟是在判断知识，还是在判断作者身份？

“至于核查和担责之类，当然需要，但其实也不是重点。学术追求的是知识，而不是名誉。”在胡翌霖看来，作者责任是学术组织运行所需的制度安排，却不是知识成立的最终根据。不同知识有不同的内在检验方式：数学命题可以重新运算，实验预测可以重复实验，哲学论证要接受反思与批判，美术作品则诉诸具体的感官体验。判断方法不同，但都不应把作者光环直接当成真理的替代品。

他用政治信息与数学知识作对比：如果有人说“美国将要对欧洲增加关税”，听者必须先看是谁说的——醉汉的随口一说，与掌握决策权的美国总统发言，政治效力完全不同。但“无论是醉汉还是特朗普还是希特勒说1+1=2，那都是对的”，这个命题的正确性不随说话者身份改变。科学之所以独特，就在于它至少以超越“诉诸人身”为规范理想。

“越是介意某篇文章是AI写的还是人类写的，说明这个知识领域就越‘不科学’，越接近政治。如果脱离了诉诸人身就无法判断一个学术成果的优劣，说明这整个学术领域出了毛病了。”

这并不是说来源、信誉和责任在现实科研中毫无意义。高度分工的科学不可能要求每个读者立即重做全部实验，研究者仍需通过作者信息、机构信誉、实验记录和利益披露来降低核查成本。但这些只能是进入验证过程的线索，不能取代证据链本身。AI是否参与，可以出于透明原则披露；真正需要终审的，仍是数据、推理、可重复性和解释力。

“无AI考试”只应是基础训练，而不是普遍的真实性测试

美国布朗大学最近的一场考试争议，让“无AI能力”重新成为高等教育话题。一门高阶数理经济学课程的居家期中考试平均分达到96分，现场期末考试平均分则降至48分；教授据此指称存在大规模AI作弊，并决定不再采用居家考试。成绩差异本身不能替所有个案完成定罪，但它足以说明：当考核目标仍是旧式的独立解题，而环境已经允许即时调用大模型时，居家闭卷这种设计正在失去可执行性。^[5]

胡翌霖并不赞成由此推导出“大学必须普遍保存脱离AI工作的能力”。在他看来，无AI考核不应成为所有课程的普遍设置，而只应服务于特定的基础训练：“其实我认为大部分领域都不需要保留所谓‘无AI能力’，只有在某个领域的基础入门训练时需要保留。”

小学生学习四则运算时，不宜一开始就依赖计算器，因为教学目标不是尽快得到数字，而是理解“计算是什么”；到了高中、大学及真实科研中，计算器和更复杂的软件便成为正常环境。大学课程也应作类似区分：如果一门课承担某个领域最基础的概念训练，意在形成整体概观、鉴赏力和学术品位，可以设置专门设计的无AI考核；一旦进入成熟的专业实践，考核便应默认学生能够调用当代工具。

因此，无AI考核不应被当作识别人类真身的“测谎仪”，而只是一种有明确教学目的的训练器具。题型也不能简单退回背诵与限时书写，而应真正测试学生是否形成了对概念结构、问题趣味和判断尺度的基本把握。除此之外，更普遍的考核应当观察学生怎样借助AI提出问题、组织材料、发现漏洞并完成超出模型平均水平的工作。

好的学问不怕“公开处刑”，学术监督需要更多外部眼睛

2026年春天，视频博主、前博士生“耿同学”公开指出多篇论文的数据与图像异常，推动多所高校启动调查，数名高级学者受到处理。几乎同时，国际计算机学会ACM因学术不端指控积压，开始招聘专职研究诚信主管，并计划引入更多技术筛查工具。这两件事代表了两条监督路径：一条来自学术机构外部的公众调查，一条来自出版与专业组织内部的职业化治理。^[6][7]

胡翌霖明确支持扩大前一种力量。他认为，学术成果原则上就应置之公论；研究者公开的也不应只有经过修饰、压缩后递交给期刊的成品，还应包括更多研究全历程资料，例如实验日志、数据处理过程、代码、版本变动，以及与AI协作时具有实质影响的对话记录。

“谎言越多越难圆，资料越齐全越有可信度。AI和大众都可以来挖掘和挑刺。好的学问不怕公众的审视，相反，在信息爆炸的今天，好学者也需要曝光；如果我自信工作是诚实的，就不怕‘公开处刑’。”

开放监督并不等于用流量直接定罪。网络质疑可以提出问题、展示证据、迫使机构回应，正式处分仍应经过可申辩、可复核的程序；涉及隐私、受试者权益、商业机密和安全限制的原始资料，也需要适当脱敏或分级开放。但程序不能成为把材料重新锁回暗室的理由。专职诚信部门的价值，应当是接住公众提供的线索、加快核查并公开说明，而不是垄断谁有资格提出问题。

“去SCI化”应该增加评判者，而不是把知识关回国内

围绕中国科研评价的另一场讨论，是降低海外顶级期刊和SCI指标在职称、经费与岗位评定中的权重。据报道，部分政策讨论还加入了技术外泄和国家安全方面的顾虑；与此同时，自然科学基金委2026年的多项指南仍明确强调开放包容的国际合作。两种方向并存，说明“去SCI化”正在一个岔路口：它既可能纠正唯刊物、唯影响因子的旧弊，也可能被理解为减少国际交流、强化封闭审查。^[8][9]

“去SCI化应该走向更开放而非更封闭。”胡翌霖说。它不应意味着从“只认美国中心的国际期刊”转向“只认国内行政体系指定的期刊”，而应摆脱单一学术中心和单一指标，把更多类型的评判者引入知识评价。

对于与产业联系密切的学科，企业和市场可以更深地参与评估：一项技术能否进入生产、解决真实问题、经受成本和安全约束，本身就是论文指标之外的重要检验。对于纯理论研究，则可以通过多媒体转译、公开讲座、跨学科对话和面向公众的解释，让更多同行与非同行进入讨论。

这并不是让公众投票决定定理真假，也不是让市场价格裁决一切知识。扩大评判者的意义，在于增加检验维度：同行可以审查专业细节，跨学科学者可以挑战隐藏前提，企业可以检验应用价值，公众可以追问研究为何重要、能否清楚说明。真正的开放不是降低标准，而是让一种知识面对更多方向的反驳和现实摩擦。