医生4个月狂产16篇论文，ChatGPT成"最强合伙人"?

去年11月的某个下午，Som Biswas刷着新闻，偶然看到了ChatGPT的介绍。作为田纳西大学健康科学中心的放射科医生，他随手输入了几个问题，AI的回答让他眼前一亮。

"既然它能写故事和笑话，为什么不能用来做学术研究呢？"这个念头一冒出来，Biswas就开始了他的实验。

他先让ChatGPT写了几段关于放射学医学写作的内容——这是他最熟悉的领域。经过几轮调整，给每个段落提供具体指令，一篇完整的论文就这么诞生了。今年2月，这篇题为《ChatGPT与医学写作的未来》的论文登上了影响因子29.146的Radiology期刊。

图片

从此，他像是打开了新世界的大门。

1月到5月，短短4个月，Biswas用ChatGPT创作了至少16篇论文，其中5篇已经发表在4种不同期刊上。要知道，对普通研究者来说，一个月完成4篇论文几乎是不可能的任务——那得茶饭不思、夜不能寐才有可能赶出来。

在Pediatric Radiology上发表的一篇文章里，他展示了ChatGPT如何给出平均有效辐射剂量、CT参数等专业信息，还能根据临床实际情况进行调整。看起来，AI确实掌握了不少专业知识。

图片

PART.01

坦诚的"AI作者"

Biswas从不遮掩。每次提交论文时，他都会明确声明文章由ChatGPT全部或部分撰写，自己的观点和讨论则标注为"人类作者"的内容。

一位期刊审稿人说："很多作者用了AI也不承认，至少Biswas是诚实的，这一点值得认可。"

不过，尝到甜头的Biswas渐渐开始"跨界"了。从最初熟悉的放射学，到军事、教育、农业、社交媒体、保险、法律，甚至微生物学——这些他并不专业的领域，也都借助ChatGPT完成了论文。有的还真发表了，包括一篇关于计算机编程的论文，以及涉及全球变暖和公共卫生的文章。

这就让人不免担心：AI真的能保证专业性和准确性吗？

PART.02

高效背后的"硬伤"

Biswas不是个例。Nature的一篇报道里提到，两位科学家借助ChatGPT，在不到一小时内就完成了数据收集、代码编写、结果解释，还生成了一篇完整论文。这效率，确实惊人。

但问题也随之而来。

有研究专门审查了ChatGPT生成的放射学文章，对比已发表或正在评审中的论文。结果发现，5篇文章里有4篇内容明显不准确，引用的参考文献都是虚构的。另一篇质量不错的论文，介绍和讨论部分完成度很高，但所有引用同样是编造的。

研究作者警告说，这些虚构内容"对没有经验的读者来说可能看起来是真实的"。

更让编辑头疼的是投稿量激增。Annals of Biomedical Engineering期刊的主编说，自从ChatGPT出现后，投稿数量呈指数级上升。以前几乎没有的"给编辑的信"，现在每周能收到两三封，"有时10篇文章长得一模一样，只是换了几个词"。

这种低质量的海量投稿，正在让学术期刊不堪重负。

图片

PART.03

从禁令到"有条件开放"

学术界对ChatGPT的态度，其实经历了一个180度转变。

去年3月，牛津、剑桥、布里斯托等8所罗素大学成员还宣布禁止使用ChatGPT。但没过多久，包括牛津、剑桥在内的24所英国顶尖高校又解除了禁令，转而推出详细的使用原则，支持和规范学生、研究人员使用生成式AI。

图片

现在，NEJM、JAMA、The Lancet、Nature、Science等顶级期刊，都在官网列出了关于AI工具的明确规定。部分期刊甚至直接推出了AI系列新子刊。

比如JAMA，在作者须知中详细规定了使用AI工具的标注要求，包括在研究准备阶段和研究过程中的应用细则。这些规定的核心思想是：可以用，但必须透明。

PART.04

AI能做的，可能不止写论文

Biswas又在Yale Journal of Biology and Medicine发表了一篇新研究——这次是探讨用ChatGPT进行同行评审的可行性。

他对比了ChatGPT生成的评审意见和人工评审意见，认为AI确实能提升审稿效率、确保标准一致性。但同时，ChatGPT难以深入理解高度专业化的主题，不具备充分评估复杂研究结果的科学有效性或准确性的专业知识，也无法审查图像数据。

预印本平台bioRxiv也在尝试类似的事。他们启动了一个试点项目，用大型语言模型（LLMs）为网站上的新预印本生成概述，针对不同阅读水平创建了三种简短摘要。

bioRxiv的联合创始人表示，如果试点成功，可能会定期让作者参与内容的校对和批准。

---

说到底，ChatGPT究竟会不会改变科研的"游戏规则"？

从目前的实践来看，AI确实能大幅提高论文产出效率，帮助研究者整理思路、生成初稿。但它的"硬伤"也很明显——虚构参考文献、专业性不足、无法深入理解复杂问题。

或许，AI在学术领域的定位，更像是一个得力的助手，而非独立的"作者"。它能帮你快速搭建框架、梳理逻辑，但最终的把关、验证、深度思考，还得靠人来完成。

Biswas的高产实验，某种程度上是在探索这条边界——AI能做到什么程度，又不能做到什么。学术界从最初的抵触到现在的"有条件开放"，也是在不断摸索如何与这个新工具共处。

毕竟，工具本身没有对错，关键在于怎么用。

如何让ai成为科研助手？

科研AI平台是一家专门针对科研人的宝藏站点，聚合全球最先进AI大模型，为科研用户提供一站式AI大模型辅助服务。

科研AI：dafoai.com

图片

科研场景优化

✅️【高效】针对科研核心场景进行专业化适配

✅️【省心】跨模型上下文记忆

✅️【性能】来源于全球最先进大模型厂商，实时同步最新模型