Science研究揭示AI輔助寫作對科研生產力的雙面影響

如果你是一名科研工作者，你大概已經注意到身邊的change 變化：越來越多的同行開始使用ChatGPT或類似的大語言模型（LLMs）來輔助寫作、潤飾文稿，甚至檢索文獻。這些工具似乎讓科研變得更高效了——但這種「高效」意味著什麼？它是在幫助科學進步，還是在製造新的risk 風險？2025年12月，一篇發表在Science上的政策分析文章給出了迄今為止最系統的實證答案。來自康乃爾大學和加州大學柏克萊分校的研究團隊分析了超過210萬篇預印本論文，揭示了大語言模型對科學生產的深遠影響：它提升了productivity 生產力、降低了語言門檻、拓寬了知識發現的邊界——但也正在瓦解我們用於判斷研究品質的傳統signal 信號（Kusumeg et al., 2025）。

研究團隊收集了三個全球最大的預印本資料庫中，從2018年1月到2024年6月的data 數據：arXiv（120萬篇）、bioRxiv（22.1萬篇）、SSRN（67.6萬篇）。他們訓練出一套AI偵測演算法，並採用「事件研究法」追蹤開始使用LLM的作者，與背景相似但未使用的作者進行長期對比。這種設計排除了許多干擾因素，能更清楚地看到「AI介入」帶來的impact 影響。為了衡量研究quality 品質，他們追蹤預印本是否最終在同儕審查期刊正式發表，並額外分析ICLR-2024會議的7243篇投稿與28000份review 審查意見作為驗證。

研究結果顯示出三個好消息。第一，LLM顯著提升了科研output 產出：在arXiv上，生產力提高了36.2%；在bioRxiv上提高了52.9%；在SSRN上更飆升了59.8%。第二，非英語母語者獲益更大——亞洲機構的亞洲姓名學者在bioRxiv和SSRN上的生產力增幅達80%~89%，遠超英美學者的23%~46%，顯示AI正在拉平學術fairness 公平性。第三，LLM拓寬了知識發現的邊界：使用AI檢索的學者引用了更多書籍、較新論文與非熱門研究，提升了引用的diversity 多樣性。

然而，也有一個壞消息：傳統的「品質信號」正在失效。過去，寫作複雜度常被視為高品質的指標，但在AI時代，語言越華麗、越複雜的LLM輔助論文，其同儕審查得分反而越低，發表機率也越低。這是因為LLM能輕易為任何內容披上專業外衣，使「寫得好看」不再反映作者對主題的掌握程度。這對科學evaluation 評價體系構成嚴峻挑戰——長期以來，審稿人習慣將寫作品質作為研究品質的「捷徑式指標」，如今這條捷徑已失靈。

這篇研究的意義不僅在於描述現象，更在於提出制度性反思。當「語言圖靈測試」已死，我們需要新的評價錨點，回歸邏輯嚴密性、數據真實性與方法創新性。同時，面對可能湧入的「稿件洪流」，科學界需警惕「學術泡沫」的淹沒效應。研究者呼籲發展「AI審稿代理」，以AI對抗AI，並重新界定「AI輔助寫作」與「AI代替思考」之間的boundary 界限，確保學術誠信。

大語言模型不是科學的救星，也不是災難——它是一面放大鏡，既放大了我們的能力，也放大了我們的問題。它讓研究者寫得更快、發現得更廣、跨越語言障礙——但也讓「看起來專業」變得廉價。科學共同體正站在十字路口。我們需要的不是簡單地「禁止」或「擁抱」AI，而是重新設計評價體系、審稿流程與學術規範，使之適應一個人機協作的新時代。這不僅是技術問題，更是制度與culture 文化問題。