今年，全國多所高校首次將論文AI率的檢測結果與答辯資格繫結，要求論文AI率控制在低於15%~40%，但不同檢測平臺結果差異超20個百分點，把原創內容誤判為AI生成也時有發生論文。而據報道，為了過關，部分學生將學術論文改得口語化，甚至在電商和社交平臺還出現“降AI率”服務，一個商家該項服務的累計銷量就突破4000件。
客觀來說，AI寫作的效率過高，如果學生依賴AI，畢業論文幾乎可以秒速生成論文。學術訓練、能力培養云云幾乎都無從談起，畢業論文自然也失去了學術評價的意義。高校對此加以限制，出發點無可厚非。
但問題是，現在AI檢測的準確度實在不高論文。記者測試顯示，不同的AI檢測工具結果能差出20%以上。一如此前的經典案例，王勃的《滕王閣序》被檢出100%AI率，朱自清《荷塘月色》與劉慈欣《流浪地球》的片段被檢測出62.88%和52.88%；也有不少學生表示，自己一個字一個字“手搓”的論文，卻被標記為AI生成。
也正因為結果不可控，很多學生都抓耳撓腮地想辦法降AI率論文。從報道的情況看，這像是把論文寫得更差：把原本嚴謹的學術表達改得口語化，有人還會刻意刪減邏輯連線詞、製造語病、寫錯別字等。也正是這一背景下，“降AI率”成為一門生意，而這門生意也沒什麼訣竅，就是花個幾百元，更高效地把論文寫差一點。
這是一個弔詭的悖論論文。想要透過AI檢測來強化學術訓練，提高論文質量；反倒是倒逼學生把論文寫得更糟。檢測的指揮棒，可能指反了方向。
如果為了防止學生用AI，“AI檢測”和過去一些學校的查重一樣，變成無謂的折騰乃至經濟負擔，恐怕就滑向形式主義了論文。所以“AI檢測”到底怎麼用，或許值得深思。
比如，檢測的方向，是不是應該從語句分析走向圖片、表格、引用文獻、論證邏輯梳理這種更關鍵的地方？畢竟AI生成的實驗資料、無中生有的參考文獻、經不起追問的論證結構，才是真正危害學術誠信的東西論文。與其囫圇吞棗地設定一個AI率，倒不妨細緻地區分不同區塊的檢測重點。語句表達對於“去人格化”的論文來說並不那麼重要，未必值得花那麼大精力死摳。
再比如AI檢測的定位，是否應該從“一票否決”變成“僅供參考”？既然AI檢測不準確，那麼也不應就此強迫學生自證“沒用AI”論文。一些學校已經有所轉變，比如南京大學明確強調，AIGC檢測結果僅作為學術規範性輔助參考，不作為論文原創性判定依據，這也值得各個高校參考。
另外需要探討的是，在AI無所不在的當下，對AI是否需要這樣嚴防死守？仔細想想，一位哲學專業的學生，想跨界做點結合物理學的研究，他的起點很可能就是透過AI快速補全自己的知識盲區、梳理陌生領域的基本框架論文。這與其說是投機取巧，不如說是藉助工具拓展認知邊界。甚至哪怕文章的語言由AI修飾出來，只要思考是自己的，每一個過程推導都是親自驗證的，又一定不可接受嗎？
從這個角度說，AI浪潮中，更需要“人”的在場論文。論文到底有沒有自己的思考，有沒有經歷來回往復的學術探討，導師是應該知情的，評閱人也應該是能看出來的。答辯現場的一兩個追問，往往比任何檢測工具都更能說明問題。真正的學術評價，本來就依賴人對人的判斷，而不是一個演算法給出的百分比。
所以，應對AI不見得就得“用魔法打敗魔法”，也可以“以不變應萬變”——大幅強化過程性評價的權重，如導師記錄、階段性彙報、答辯追問等，去識別學生真正“動腦”的地方，這些才是AI難以入侵的環節論文。把評價的重心從一份文字，轉移到整個研究過程中人的真實在場，可能是應對AI寫作的真正辦法。
來源:光明網
