新的 AI 工具标记了 1,000 多种可疑科学期刊……但它值得信赖吗？

【中国观察2025年08月29日讯】

开放获取期刊的繁荣刺激了掠夺性出版商通过收费剥削研究人员，同时跳过真正的同行评审。

经过 14,500 种期刊训练的 AI 工具标记了 1,000 多份可疑出版物，但误报率高达 24%。

伪科学正在激增，2025 年的一项研究警告称，论文工厂每 1.5 年就会使欺诈性研究成果的数量翻一番。

掠夺性期刊威胁公众信任，扭曲医疗指南和政策决定，同时浪费纳税人的资金。

人工智能检测工具可能被滥用来审查合法但有争议的研究，引发人们对真相控制的担忧。
开放获取期刊的爆炸式增长使科学研究更加民主化，但也催生了一个由掠夺性出版商组成的影子产业，他们用出版费剥削作者，却几乎不提供任何合法的同行评审。如今，研究人员开发了一种人工智能工具来检测这些不正当的期刊——但其高达 24% 的误报率意味着人类专家仍然至关重要。

幕后黑手是谁？由科罗拉多大学博尔德分校的丹尼尔·阿库尼亚 (Daniel Acuña) 领导的计算机科学家团队，利用超过 14,500 份期刊（其中 12,869 份为高质量期刊，2,536 份因违反伦理准则而被《开放获取期刊目录》(DOAJ) 移除）训练了一个人工智能模型。该人工智能模型随后分析了近 94,000 份开放获取期刊，标记出了 1,000 多份此前未知的可疑出版物。

掠夺性期刊的问题
开放获取模式本应让研究成果免费向所有人开放，打破限制知识的付费壁垒。但随着开放获取体系的发展，越来越多的期刊将利润置于科学诚信之上。这些“可疑”的期刊通常承诺快速发表，几乎不进行同行评审，向作者收取高额费用，却发表低质量甚至欺诈性的研究。

《美国国家科学院院刊》（PNAS）的一项2025年研究发现，“论文工厂”炮制的虚假论文数量每1.5年翻一番，这可能导致学术界充斥着垃圾科学。“如果不加以遏制，科学将被摧毁，”西北大学数据科学家路易斯·A·努内斯·阿马拉尔（Luís A. Nunes Amaral）警告说。

人工智能的工作原理
研究人员训练他们的人工智能识别期刊网站和出版记录中的 危险信号，包括：

网站设计不佳（布局混乱、缺少编辑委员会信息）

引用次数低（来自信誉良好来源的参考文献很少）

同行评审时间不切实际地快

自我引用率高（作者过度引用自己的作品）
当人工智能应用于 93,804 份开放获取期刊时，其中 1,437 份被标记为可能有问题。然而，该系统的误报率高达 24%，这意味着大约四分之一的合法期刊可能被错误标记。

研究人员写道：“我们的研究结果证明了人工智能在可扩展完整性检查方面的潜力，同时也强调了将自动分类与专家审查相结合的必要性。”

虽然人工智能展现出潜力，但它远非完美。许多误报来自规模较小、合法的期刊，这些期刊在线存在感有限或已经停刊。有些甚至被误认为是期刊的丛书。

DOAJ 总经理乔安娜·鲍尔 (Joanna Ball) 提醒称，该工具在广泛使用之前需要更多验证。“我对这项工作的部分成果感到非常兴奋，”她说道，但她也指出，DOAJ 的人工审稿人已经拒绝了约 75% 的期刊申请，理由是这些申请不符合质量标准。

科学出版业的危机日益加剧
掠夺性期刊的兴起不仅仅是一个学术问题，它威胁着公众对科学的信任。虚假或低质量的研究会扭曲医疗指南，影响政策决策，并浪费纳税人的资金。《纽约时报》的一项2025年调查发现，论文工厂现在正在使用人工智能来生成虚假研究，这使得欺诈行为更难以被发现。

目前，该工具只是起到第一道防线的作用，它会标记可疑期刊以供进一步审查，而非做出最终判断。正如阿库尼亚所说：“这些结果必须被视为初步信号，而非最终判决。”

新的审查工具？
当然，这个故事还有另一面，值得我们深思。如果人工智能可以帮助揭露不正当的期刊，它是否也可以用来审查合法但有争议的研究？“掠夺性”和“政治上不方便”之间的界限比我们想象的要模糊。在这个算法把关的时代，谁来决定什么是“可疑的”？争取科学诚信的斗争不仅仅关乎不良期刊，更关乎谁掌握真相。