人工智能时代的研究诚信与学术权威：从发现到策管？

人工智能正在以远超生产力提升的方式重塑研究的组织与实践。AI系统如今加速发现、重组学术劳动，并调节对不断扩展的科学文献的访问。与此同时，能够大规模生成文本、图像和数据的生成模型引入了新的认识论和制度性脆弱性。它们加剧了可重复性的挑战，模糊了作者身份和问责的界限，并对同行评议和编辑系统施加了前所未有的压力。这些风险与更深层的政治经济转变同时发生：人工智能研究的重心已决定性地从大学转移到拥有数据、算力和工程人才特权的私人实验室。随着前沿模型变得日益专有和不透明，大学在审问、复现或质疑科学探究日益依赖的这些系统方面面临越来越大的困难。本文认为，这些发展挑战了研究诚信，并侵蚀了学术权威的传统基础，后者被理解为使知识可信、可争辩且独立于集中权力的制度能力。与其在技术前沿与公司实验室竞争，大学可以通过强化那些不易被自动化或商业化的角色来维持其合法性：在充斥着合成产出的环境中对研究质量进行判断；策管知识的来源、透明度和可重复性；并充当对抗私人利益的伦理和认识论制衡力量。在一个信息丰裕的时代，大学未来的权威不在于最大化发现本身，而在于维持知识能够被信任和获得公共价值的制度条件。