摘要：但谁能想到，香港大学的一篇论文却因 AI “幻觉” 引发了一场学术风暴，让人们对学术诚信和 AI 在学术领域的应用产生了深深的担忧。

学术界近日爆出惊天丑闻！

一篇原本被学术期刊认为无可挑剔的论文，竟然因AI幻觉引发学术诚信危机。

知名学者卷入学术造假风波，超过20篇虚假引用悄然进入参考文献清单，而这一切的幕后黑手竟是广泛应用的AI工具。

面对AI生成的“虚假文献”，学术审查竟然全程失察，让学术界震惊不已。

学术研究的每一篇论文，往往承载着学者们的心血与智慧，每一个数据、每一处引用都应当是严谨且真实的。

但谁能想到，香港大学的一篇论文却因 AI “幻觉” 引发了一场学术风暴，让人们对学术诚信和 AI 在学术领域的应用产生了深深的担忧。

这篇引发争议的论文题为《香港四十年生育转变》，发表于今年 10 月，刊登在由中国人口与发展研究中心主办、国际知名出版社 Springer Nature 出版的学术季刊《China Population and Development Studies》上。

论文主要探讨过去 40 年香港生育率下跌的驱动因素，乍一看，研究主题十分具有现实意义，对于了解香港人口发展趋势有着重要的参考价值。

论文的第一作者是港大社会工作及社会行政学系博士研究生白逸铭，通讯作者则是港大社会科学学院副院长叶兆辉，此外，统计与精算学系副系主任屈锦培等也参与其中。

这样的作者阵容，本应意味着论文有着较高的学术质量和严谨性。

然而当网民在社交平台上浏览这篇论文时，却发现了一些不对劲的地方，论文参考文献列表中，众多文献显得十分蹊跷。

经过仔细核查，令人震惊的事实浮出水面：在这篇论文的 61 项引用文献中，竟然多达 24 篇是虚构的，而这些虚构文献疑似由人工智能生成，也就是陷入了 AI “幻觉”。

这些虚构的文献看起来极为逼真，它们标注着真实的学术期刊名称，格式规范，作者姓名、期刊卷期信息等要素一应俱全，从表面上看，完全符合学术引用的规范要求，若非专业人士刻意去检索核实，很难发现其中的破绽。

这一惊人发现迅速在社交平台上传播开来，网友们纷纷对此事发表看法，质疑声、批评声不绝于耳。

大家难以相信，在如此权威的学术期刊上发表的论文，竟然会出现如此严重的引用造假问题，这不仅对香港大学的学术声誉造成了极大的冲击，也让人们对整个学术出版体系的严谨性产生了怀疑。

面对舆论的压力，涉事作者迅速做出了回应。通讯作者叶兆辉在得知事件后，立即向媒体表示，已主动向期刊出版社报告情况。

他解释称，论文引用出错是因为负责文献整理的博士生白逸铭首次尝试使用 AI 辅助整理引用文献，但却未认真核对 AI 生成的内容，才导致了大量虚假或错误引用的出现。

作为通讯作者，他承认自己把关不严，深感失望，并就此事对港大及期刊声誉造成的影响公开致歉。

叶兆辉还强调，论文的核心内容和实证数据都是真实可靠的，并且已经通过了两次严格的学术评审，并非捏造文章内容，他认为这只是 “技术使用疏忽”，并非学术诚信问题。

同时他表示期刊出版社已接纳解释，允许团队在未来数日内重新上传正确版本，并将发布通告说明情况。

为了确保不再出现类似问题，叶兆辉承诺将亲自逐一核查新版本中的所有引用内容，还打算要求涉事博士生修读一门关于如何正确使用 AI 工具的课程，给予其 “第二次机会” 。

AI “幻觉” 就是在缺乏真实数据支撑的情况下，生成看似合理但完全虚构的信息。

在港大论文事件中，AI “幻觉” 在学术引用场景里的表现让人惊掉下巴。

那些虚构的文献，格式规范得让人挑不出毛病，作者姓名、期刊名称、卷期信息，甚至数字对象识别码（DOI）都一应俱全，就像精心伪装的 “学术骗子”，堂而皇之地出现在论文的参考文献列表中。

从原理上讲，AI 系统是基于大量的数据进行训练学习的。它通过分析数据中的模式和规律，来生成相应的回答或内容。

但当它遇到训练数据中没有涵盖的信息，或者对某些信息的理解出现偏差时，就可能陷入 “幻觉”。

就好比一个学生，虽然读了很多书，但知识储备还不够全面，当被问到一个比较冷门的问题时，就可能凭借自己的想象给出一个看似合理但实际上错误的答案。

在学术引用中，AI 可能无法准确地从海量的学术资源中找到真正匹配的文献，于是就根据自己 “学到” 的引用格式和常见的学术词汇，拼凑出一些根本不存在的文献。

这些虚构文献从表面上看，与真实文献几乎无异，这也正是 AI “幻觉” 的可怕之处，它具有很强的迷惑性，让人难以分辨真假。

其实上面这个事件并非个例，AI “幻觉” 在学术领域的存在远比我们想象的更为普遍和严重。

在学术出版领域，同行评审一直被视为保障学术质量的 “守门人”。长期以来，它在筛选优质研究成果、确保学术严谨性方面发挥着关键作用。

传统的同行评审，重点聚焦于研究方法的科学性、论证逻辑的严密性以及结论的有效性。

评审人凭借自身深厚的专业知识和丰富的研究经验，仔细审查论文的实验设计是否合理、数据分析是否准确、理论推导是否严谨，以此判断研究成果是否具有发表价值 。

在 AI 技术尚未广泛应用之前，这种评审模式运行得相当顺畅。

然而随着 AI 技术的迅猛发展，特别是生成式 AI 在学术研究中的应用，现有审查流程逐渐暴露出其局限性，在面对可批量生成虚假文献的 AI 技术时显得力不从心。

AI 的 “幻觉” 问题使得虚假文献的生成变得轻而易举，而且这些虚假文献伪装得极为巧妙，仅凭人工肉眼很难辨别真伪。

这充分说明，现有的审查流程在应对 AI 生成的虚假内容时存在严重的漏洞。

评审人在审核过程中，可能由于惯性思维，依然按照传统的评审模式，将主要精力放在研究内容本身，而忽视了对引用文献真实性的深入核查。

加之虚假文献的格式和内容都高度仿真，使得评审人在有限的时间和精力下，很难察觉其中的异样。

不可否认，AI 技术在学术研究中具有巨大的潜力和带来的便利是显而易见的。

它能够快速处理海量的数据，为研究者提供丰富的文献资料和研究思路，大大提高研究效率。

然而在拥抱新技术的同时，学术界必须坚守学术诚信底线 。学术诚信是学术研究的基石，是推动学术进步的重要保障。

一旦学术诚信受到破坏，学术研究的价值和意义将大打折扣 。为了确保学术研究的严谨性和可靠性，学术界需要培养研究者对技术工具的批判性认知。

研究者不能盲目地依赖 AI 工具，而应该对 AI 生成的内容保持警惕，学会辨别其中的真伪和优劣。

在使用 AI 工具时，要充分了解其局限性和潜在风险，合理地运用 AI 工具，使其成为学术研究的有力助手，而不是导致学术不端行为的源头。

来源：小张的任意门