导语：

“科普中国智库•魏公村讲坛”是中国科普研究所依托“科普中国智库”专家资源，面向中国科协魏公村办公区搭建的常态化学术交流平台，以“开拓视野、夯实基础、促进协作、提升能力”为目标，邀请智库专家解读前沿科技动态，分享科研学术进展，促进科研创新，营造学术氛围，助力中国科协干部科学素质和能力提升。本文整理自讲坛第十八期袁军鹏研究员《智能赋能·诚信筑基：打造AI时代高质量科研生态》。

当下，人工智能蓬勃兴起正在重塑新的科研范式。AI技术的广泛应用也为科技伦理和科研诚信治理带来前所未有的挑战。科研诚信是科技创新的基石，是科研人员的底线、红线与生命线。如何在拥抱技术红利的同时恪守诚信规范，构建人机协同的良性科研生态，已成为时代赋予每位科研工作者的必答题。中国科学院文献情报中心科研诚信研究中心副主任袁军鹏研究员围绕“科研为何讲诚信、科研选题有原则、研究过程要规范、成果发表有规矩”四个方面，系统阐述AI时代科研诚信建设的核心要义与实践路径。

一、科研为何讲诚信

科学研究区别于一般劳动的根本特征在于其探索创新性与继承积累性。科研工作的第一要义是创新。然而，创新的本质是探索未知，这决定了其评价必须依赖“同行评议”制度。但同行评议并非完全可靠，人情因素与竞争关系等制度性缺陷客观存在。正因如此，科研共同体必须建立诚信规则，否则“劣币驱逐良币”，科研生态将全面崩塌。另一方面，科研具有鲜明的继承积累性。所有研究都建立在“巨人肩膀”之上，从前人成果中寻找创新空间。这就要求前人的成果必须是可靠的。一旦前人研究造假，后续研究将集体偏离正确方向，造成难以估量的学术资源浪费。

从制度规范看，我国已建立起完整的科研诚信治理体系。在人文社科领域，中宣部与中国社科院2019年联合印发的《哲学社会科学科研诚信建设实施办法》明确了9类违背科研诚信的行为。在自然科学领域，科技部联合22个部门印发的《科研失信行为调查处理规则》（2022年修订）界定了“7+1”项失信行为，严重失信行为将纳入全国联网的“科研诚信严重失信行为数据库”，实行一票否决、跨区域追责。

二、科研选题有原则

科研选题是整个研究活动的起点，也是最容易埋下隐患的环节。科技部科技监督与诚信建设司发布的《负责任研究行为规范指引（2023）》明确提出选题应遵循“科学性、创新性、应用性、可行性”四项原则。

其中，科学性要求研究必须符合基本科学事实，不能指向伪科学或迷信内容；可行性则关乎研究能否真正落地完成，选题脱离现实可行性恰恰是许多科研不端行为的根源。伦理合规是申报中最需引起人文社科研究者重视的新要求。长期以来，不少从事社会学、管理学、心理学研究的学者存在认识误区，认为伦理审查仅是医学和生命科学领域才需要关注的范畴。但事实上，2023年科技部出台的《科技伦理审查办法（试行）》已明确不直接涉及人或实验动物，但可能在生命健康、生态环境、公共秩序、可持续发展等方面带来伦理风险挑战的科技活动也需进行科技伦理审查。建议人文社科研究者开展问卷调查、访谈等涉及人的研究时，应主动进行伦理审查。

在AI使用方面，中科院2024年发布的科研诚信提醒及社科院2026年出台的《人工智能辅助科研基本规范》均明确：在选题调研、文献检索、资料整理等环节可借助AI辅助，但研究者必须对生成内容的真实性、准确性、可靠性进行人工辨识并承担责任，严禁直接用AI生成选题调研报告或申报材料。

三、研究过程要规范

研究过程是科研诚信风险最为集中的阶段，而数据问题则是重中之重。全球撤稿数据表明，因数据原因导致的撤稿占比最高，其中数据知识产权争议、原始数据缺失、数据不可靠位列前三，说明数据管理不规范远比人们想象的更为普遍，加强数据管理十分有必要。

对于科研人员来说，数据采集环节要求方法得当以确保得到真实、完整的数据，细节完整记录，涉及保密或人的研究须取得授权与知情同意。伪造与篡改是数据环节最典型的不端行为。伪造属无中生有，篡改则是有意选择、修饰、隐瞒数据以美化结果。更隐蔽的篡改形式出现在政策研究中，为迎合偏好而删减负面样本、修改统计数值、选择性呈现结论，这种“按需定制的真实性”同样属于学术不端。AI的介入使数据造假更加隐蔽且难以识别，研究者可刻意引导AI给出符合预期的结论，使造假行为更具迷惑性。对此，中科院明确要求：可用AI处理原始数据但严禁生成原始数据，可用AI辅助制图但须标识且不得直接生成图像。

四、成果发表有规矩

成果发表是科研诚信的“终审关”，发表前须从涉密脱敏、署名规范、原始数据追溯、一稿多投及期刊甄别等方面严格审核。

AI在成果撰写时使用边界正趋于清晰：可用于大纲生成、语言润色与格式检查，但核心论点、论证过程与结论须由研究者独立完成并声明AI使用，严禁AI撰写核心创新内容或生成参考文献。

结语

AI时代，科研诚信面临的不再是“要不要用技术”的选择题，而是“如何规范地用、有边界地用、负责任地用”的治理题。科研诚信的底线与红线从未因技术进步而褪色，反而在技术赋能的背景下更加凸显其不可替代的价值。拥抱智能工具、恪守诚信规范、坚持以人为本，方能真正打造AI时代高质量的科研生态。