在出版新范式中，AI不可或缺

传统出版模式正快速改革，因为对开放获取的支持不断飙升。根据Springer Nature的数据，去年投稿量激增了30%。但这种需求正成为一把双刃剑，过去十年撤稿数量达到了历史最高点，且期刊被淹没于AI生成的文章和伪造的研究。

自然，这导致了阻塞，损害了出版商、研究者和审稿人。由于审稿人争分夺秒地评审论文，出版物难以遵守编辑进度，作者则被迫等待数月甚至数年才能发表。目前的同行评审模式从未设计用于支撑如此规模的需求。

在此背景下，必须认识到AI作为关键支持工具的作用，它能够强化现有的同行评审流程，帮助行业克服最大的障碍。

传统流程为何出现裂痕

同行评审是无偿工作。审稿人以善意为学术和科研社区志愿奉献时间。需求旺盛，而回报相对不足，压力不断叠加。由于需求上升和过度负荷，接受评审邀请的审稿人越来越少。更甚的是，为编辑寻找审稿人已成为日益严峻的挑战，这加剧了积压并延长了出版时间表。

与此同时，学者们正面临“发表或消亡”的环境。要在职业上取得进步，他们必须在日益拥挤的领域中发表成果。这是全球普遍的期待，且在噪音中脱颖而出的压力与满足需求的负担叠加。这些因素导致了同行评审危机，现行体系已难以持续。

需要明确的是，AI工具不应在同行评审过程中取代人类判断，而是用来加强它。作者和编辑都期望审稿过程能够得到与对待研究同等的尊重和投入。

然而，小错误很容易在不被注意的情况下出现，尤其是审稿人急于审阅大量论文时。举例来说，一项研究发现，2020年全球同行评审耗时超过1亿小时——相当于1.5万年。

但这并不意味着这些错误可以被视为常态。看似微不足道的疏漏，例如数据的细小缺陷，可能会损害读者对研究质量的认知。

AI是支持工具，而非替代品

AI工具能够标记那些可能被忽视的细微错误。引用错误、数据遗漏以及与已有文献的潜在重叠，仅是审稿人可能漏掉的细小却重要错误的几个例子。

这些工具旨在处理低风险任务，使审稿人能够专注于更高级的编辑工作，如专家分析和情境评估。工具受限于其输入的数据，而具备专业专长的人类审稿人能够在更广阔、更有深度的层面上对研究进行情境化。更重要的是，算法无法也不应取代学科专家的细腻推理。然而，它可以减轻审稿人所面对的一些低风险负担。

AI能够帮助审稿人提供更清晰、更有洞察力的反馈，但前提是明智使用。它可协助核对引用、突出方法学问题、检测缺失数据以及发现与早期已发表研究的相似之处。另一个吸引审稿人的原因是，AI驱动的检索有助于他们随时了解新知识。

关键是，业界领袖——例如Elsevier的资深编辑——认可平衡的重要性。他们认为这是一种提升审稿质量的有用工具，但前提是伦理使用且始终有人类监督。

应对AI采用的更广泛影响

学术界充满担忧。最近，研究人员发现ChatGPT之后的稿件激增了42%，但写作质量不幸受损。同一研究还指出，在同行评审中使用AI来影响编辑决策时存在的担忧。

此外，指南和监管仍在追赶技术，以确保工具的伦理和适度使用。个人和出版物都必须了解相关风险。滥用这些工具必然导致偏见、幻觉、错误结论和误导性认知。

学术出版界同样关注隐私和保密性。当外部工具被整合进审稿流程时，作者往往感到不安，尤其是研究涉及敏感数据的情况。鉴于作者在研究上投入的大量时间和精力，对潜在泄露的焦虑是可以理解的。

基于这些原因，对AI在审稿过程中的认知相当薄弱。KPMG 与墨尔本大学的联合研究发现，46%的人愿意信任AI。这项调查还显示，绝大多数（70%）认为需要监管。

必须解决这些因素，这需要对AI的应用方式进行培训和透明化，无论其在同行评审中的使用程度如何。任何在审稿过程中使用AI的人都必须了解其最佳实践并始终保持批判性思维。审稿人和出版团队需要提升AI和数据素养，包括能够解释模型行为、识别局限性以及缓解诸如幻觉等风险。

透明性是采纳策略的基石，出版物和审稿人必须准备好阐明并证明AI的部署。常规审计有助于确认精度和可靠性。出版物还必须明确模型的训练方式及其所依据的数据。在学术界，作者必须始终展示其研究方法和理由。同等程度的披露也应适用于AI的使用。

这些工具的安全性同样不容忽视。数据加密为防御第三方威胁（如潜在的黑客攻击）提供了急需的网络保护层。同样，审计是强化安全的关键环节，因为它们旨在在盲点造成危害之前将其发现。

行业正处于十字路口，要么选择拒绝技术以坚持传统的研究审查模式，要么拥抱技术。前者意味着随着需求的增长，流程终将崩溃，时间只是问题。后者则赋能并使出版商和审稿人不仅能够跟上步伐，更能领先于不断膨胀的需求。