文 | 丁毅超

AI時代的顱相學

2026年春天，中國學術界同時上演了兩件引人注目的事。科普博主耿同學以一人之力接連舉報多所名校杰青的論文數據造假，攪得生命科學圈天翻地覆。與此同時，全國高校在教育部指導下全面鋪開畢業論文AIGC檢測制度，要求學生的論文必須通過AI生成內容的篩查才能參加答辯。

兩件事看似一攻一守，前者在追查造假，后者在防范代寫。但如果把目光從事件表面移開，會發現它們的底層邏輯驚人地一致。

先說AIGC檢測到底在做什么。它的原理并不復雜。人在寫作的時候，用詞帶有不規則性，有時會選擇不那么“正確”但更生動的說法，有時會寫出結構松散但語感自然的句子。而大語言模型的生成邏輯是概率驅動的，它在每一個位置都傾向于選擇統計上最合理的下一個詞。

舉一個直覺層面的例子，一個學生可能會寫“這個問題很麻煩”，而AI在同樣的語境下更可能輸出“這一問題具有較高的復雜性”。后者在語法上更規范，在邏輯上更完整。AIGC檢測系統的核心工作，就是捕捉這種過于工整的統計痕跡。它用一系列指標來衡量文本在多大程度上偏離了人類寫作的那種不規則性，如果一篇論文在統計上太像模型的輸出分布，就會被標記為疑似AI生成。

耿同學打假的核心方法在結構上與此完全同構，只不過對象從文本換成了數據。他檢查的是論文數據中是否存在不自然的統計特征。等差數列般的實驗數據、補充材料中幾十組數據在小數點后兩位完全一致，這些痕跡之所以能暴露造假，是因為人為編造的數據和文本面臨同一個困境，人類對隨機的直覺天生就不夠好。真正的自然數據和人類寫作都帶有一種難以刻意模仿的不規則性，而偽造者無論多小心，都會在統計上留下過于整齊的指紋。

在這一意義上，兩種檢測做的是同一件事，那就是在表面的統計特征中尋找來源的線索。換言之，它們并沒有構建出真正的因果關系。黑格爾在《精神現象學》中討論顱相學時曾指出，從外在的骨骼形態推斷內在的精神品質是一種根本性的范疇錯誤，外在的東西和內在的東西之間的那種對應關系是虛構的。今天的AIGC檢測和耿同學的數據審查面臨著結構上完全相同的困境，它們試圖從文本或數據的外在統計形態倒推出內容的內在認知來源。

文本的困惑度低可能是因為AI生成，也可能是因為作者寫了一段極其標準的學術語言。數據分布的過于完美可能是因為造假，也可能是因為實驗條件控制得確實出色。正如顱相學所測量的顱骨形狀是真實的，但顱骨形狀與智力之間的關聯是虛構的一樣，AIGC檢測所捕捉的統計特征是真實的，但這些特征與文本來源之間的關聯同樣是虛構的。

這兩種檢測之所以目前還能勉強起作用，只是因為AI還沒有把那些虛假的統計相關性徹底抹平。一旦以后的造假者學會了用AI進行隨機數生成（甚至這本來就不需要用到AI），這種基于統計學的打假還能持續下去么？如果對話型人工智能真的能做到讓AI生成文本與人為寫作之間不存在統計學上的顯著差別，這些所謂的AIGC檢測真的還有意義么？

事實上不需要等到未來，這種檢測在當下就已經在大面積失效了。一個能將朱自清的經典散文判定為60%由AI寫作，將《滕王閣序》判定為100%由AI寫作的模型，真的適合拿來作為檢測學術論文的工具么？更何況AIGC檢測與查重在本質上完全不同。查重只需要擬合過去的數據庫就行了，而AI寫作將不斷創造無限迭代的新數據，檢測系統追趕的是一個正在加速遠離的目標。

面對這一困境，與中國大學全面鋪開AIGC檢測相反，國外高校恰恰在這一問題上逐步撤退。澳大利亞科廷大學已經直接停用了AI檢測系統，UCLA在內部審查準確率數據后拒絕采用Turnitin的AI檢測功能。西方學術界的主流方向不再是發明更好的檢測器，而是轉向披露和過程評估。

那為什么AIGC檢測在國內不僅沒有撤退，反而在全面鋪開？行政流程的需求只是原因之一。更深層的驅動力是一種彌漫在整個學術界乃至整個社會中的心理焦慮，那就是人們需要確信自己面對的文本是由一個真人寫出來的。

這種對人為的執念本身就值得審視。它暗含了一個未經檢驗的假設，即文本的價值取決于它的生產方式而非它的內容本身。一篇論證清晰、洞見深刻的文章，如果是AI寫的就沒有價值；一篇平庸的文章，只要是人寫的就有價值。這種思維方式和顱相學的邏輯其實是同構的，它把認識論上的品質投射到了來源屬性上。AIGC檢測產業正是寄生在這種心理需求之上。

而那些堅持這條路線的國外玩家與國內AIGC參與者一樣，將該產業視為一條有利可圖且年增長率超過30%的黃金商路。它們的商業模式根本不依賴于檢測是否真的有效，而是依賴于機構是否需要一個可以走流程的工具。高校需要一個系統來應對教育部的政策要求，期刊需要一個工具來對投稿進行形式審查。

這些需求都不要求檢測在認識論上是可靠的，只要求它在行政流程上是可操作的（或者更直白地說，可推卸責任的）。只要高校的通知還寫著論文須通過AIGC檢測方可進入答辯環節，這些公司的收入就不會受影響。

更有意思的是，檢測工具變得越來越激進，改寫逃逸工具也變得越來越善于規避檢測，檢測工具再調整，循環不斷。而被夾在中間的人面對的是一套越來越荒誕的激勵結構。這已經催生出一個完整的降AI率產業鏈，從付費改寫服務到自動降AIGC率的工具，價格從幾元到幾十元每千字不等。

換句話說，檢測行業和反檢測行業共同構成了一個寄生性的生態系統，兩者互為存在的理由，而這整個生態系統對于判斷一篇論文是否有學術價值這件事，貢獻為零。

論文中心制的崩潰

統計學游戲的結束只是問題最表面的部分。這些游戲是以論文中心制的學術評價體系為基礎，真正的問題是它們所維護的那個東西本身是否還站得住腳。

要回答這個問題，首先需要理解論文是如何成為學術體系中的硬通貨。原因很簡單，就是啟蒙時代以來現代性對量化，或者說精確性無法擺脫的癡迷。落實到現代學術制度上，大學和科研機構需要一種可標準化、可量化的方式來衡量研究者的貢獻。

論文恰好滿足了這個需求。它有明確的形態規范，可以被寫進簡歷和評審系統之中。整個學術體系的核心交易圍繞它運轉。你生產論文，體系給你學位、職稱和經費。

但論文之所以能長期充當這種貨幣，并不是因為文本本身有什么內在價值，而是因為一種特定的成本結構在支撐著它。

在過去很長一段時間里，寫出一篇邏輯自洽且符合學科規范的學術論文本身就是一件困難的事情。而做研究雖然辛苦，卻是達成這件事的最省力路徑。并非不存在其他路徑，造假需要足夠的專業能力且面臨被發現的風險，找人代寫需要花錢且依賴人際信任，拼湊灌水雖然成本較低但產出質量也低。論文作為貨幣的信用，建立在“真的做研究”相對于所有替代路徑具有綜合成本優勢這件事上。

筆者在之前的文章《》中曾經提到，科學權威的真正基礎并不是科學結論的普遍有效性本身，而是建立在如何讓人確信它是普遍有效的這一信任機制之上。從個人理性的驗證，到實驗的可重復性，再到因果性的關聯解釋，這條信任路徑才是科學權威得以確立的根基。

論文在學術體系中扮演的角色，正是這條信任路徑的制度化表達。一個生物學博士要寫出一篇合格的實驗論文，他最現實的路徑就是老老實實地養細胞和統計數據。換言之，論文的價值從來不在于文本寫得好不好，而在于文本背后存在一個不得不做研究才能寫出來的約束條件。正是這個約束條件讓論文成為了研究活動的可靠代理。

AI的破壞力之所以如此徹底，不是因為它降低了某一條替代路徑的成本，而是因為它同時把幾乎所有替代路徑的成本都壓到了接近于零。它既能幫你寫出流暢的論文，又能幫你編造統計上合理的數據，還能幫你綜述文獻、構造論證、生成分析代碼。當所有替代路徑同時變得廉價時，“真的做研究”這件事就不再有任何成本優勢了。

而且這種崩潰不僅發生在生產端，還發生在預期端。貨幣的信用不僅取決于實際的生產成本，還取決于人們對生產成本的共識預期。即使一篇論文確實是作者真刀真槍做出來的，在一個所有人都知道AI可以零成本生產論文的環境里，這篇論文也會被懷疑。

這就像真鈔在偽鈔泛濫的環境里也會被拒收。AI不僅改變了論文的實際生產成本，還摧毀了學術共同體對論文生產成本的共識信任。這種信任一旦喪失，即使個別論文是真實的，整個貨幣體系也無法運轉了。AIGC檢測本質上是在發明驗鈔機來應對這場通脹，但問題從來不在于偽鈔太逼真，而在于論文這一“貨幣”本身已經喪失了它之所以能充當貨幣的那個基礎。

值得一提的是，這種喪失在AI出現之前就已經有跡可循了。學術體系長期以來對論文數量和發表級別的過度依賴，早已催生了大量灌水論文、互相掛名引用等操作。這些操作嚴格來說都不是造假，甚至也不違反任何規定。但它們的實質是一樣的，就是在不增加真實研究貢獻的前提下增加論文產出，AI只是把這個長期累積的泡沫推向了不可維持的臨界點。

那么能否換一種“貨幣”呢？放棄以文本產出為中心的評價方式，比如轉向AI無法廉價模擬的能力維度。這在原理上是可以探索的，但不同學科面對的困境深度截然不同。

對實驗科學來說，出路相對清晰。論文呈現的是實驗結論，而實驗本身發生在實驗室里，有獨立于文本的物質過程。如果評價的錨點從你寫了什么轉向你的數據能否被別人獨立重現，那文本在評價體系中的權重就可以被大幅降低。強制要求開放原始數據、實驗記錄和分析代碼，建立可獨立驗證的數據鏈條，這條路在技術上沒有根本障礙。

人文學科面對的困境則要深刻得多。對哲學、文學、歷史學這些學科來說，寫作在很大程度上就是研究本身。論證的展開、概念的辨析、文本的細讀、思想史脈絡的梳理，這些活動發生在寫作過程中而非寫作之前。一個哲學家的學術貢獻很難脫離他的文本來衡量，因為那個文本就是他的思考本身。當AI可以生成一篇論證嚴密、引用準確的哲學論文時，人文學科受到的沖擊比有人代寫了我的作業要深得多。它動搖的是文本寫作即思想勞動這個根基。

不過人文學科也并非全無回旋余地。畢竟蘇格拉底式的對話才是哲學最初的表達。我們可以設想這樣的評價方式：一個哲學系的答辯不再要求學生提交一篇定稿的論文，而是考察學生與大模型的實時對話過程。你如何向AI提出一個有意義的哲學問題，如何在AI給出的回答中識別出隱含的預設，如何追問這些預設，如何在多個看似合理的論證路徑中判斷哪一個觸及了真正的要害。這些能力不是AI能替你展示的，它們必須在交互過程中實時發生。

這是筆者想在接下來課程中嘗試的方案，不再要求學生提交論文，而是要求學生根據筆者提出的問題在30輪AI對話后生成對問題的最終回應，并把這個對話流程提交給筆者。

到這里為止，事情似乎還是可以解決的。舊的評價工具失效了，但不管是實驗科學的可重復驗證，還是人文學科的對話能力考察，替代方案在原理上是可以被設計出來的。

然而真正困難的部分還沒有出場。

科學共同體的黃昏

嚴格而言，第二部分結尾給出的替代方案本質上是一種樂觀主義。這些方案都依賴一個共同的前提，就是存在某種可靠的外部檢驗機制。實驗科學的可重復驗證要求有人去做重復實驗并誠實地報告結果。對話能力的評估要求有人來判定學生展現的思維質量是否達標。

但是，任何評價工具都需要由人來操作。而一旦追問由誰來操作這個問題，就會觸碰到一個遠比AI沖擊更古老的結構性矛盾。以筆者自己的方案為例，筆者憑什么可量化的客觀標準判斷學生與AI對話的表現好壞？

這就回到了本文一開始所說的，即現代性對可量化的本質性癡迷。這種癡迷反映到科學方法論上，就落腳為對可重復的實驗驗證的追求。因為只有能被重復的東西才能被精確測量和比較。近代科學之所以區別于經院哲學和神學推理，最根本的一條就是它的結論原則上可以被任何人通過重復實驗來檢驗。

從伽利略開始，科學權威的合法性就建立在個人理性驗證的基礎之上。將鏡子放在太陽光下觀察折射現象是小學生就能做到的實驗。正是這種任何人都可以親自驗證的可及性，讓科學區別于需要信仰才能接受的神學教條，也讓科學共同體建立起了一種不依賴于個人權威的自我糾錯能力?？芍貜托圆恢皇且粋€技術標準，它是整個科學信任體系的認識論地基。

但三百多年過去了，這塊地基正在從兩個方向同時被侵蝕。

第一個方向是實驗本身的復雜度。今天一項典型的生物醫學實驗涉及的特定細胞系、特定試劑批次、特定儀器參數和特定環境條件之間的組合，復雜到即使研究者完全誠實、開放了所有數據和流程，復現也是一件極度困難的事情。

很多領域事實上已經不存在常規意義上的重復實驗，取而代之的是我相信你的實驗室有能力做出這個結果。換言之，可重復性從一個可操作的檢驗程序退化為一種基于聲譽的信任。

第二個方向則更為根本，筆者在之前的文章中將這個問題概括為科學的黑箱化。隨著學科的不斷分化和深化，前沿科學的復雜程度已經遠遠超出了任何個體的認知能力。讓一個人掌握大型量子對撞機實驗的操作和觀察需要經年累月的專業訓練，而這還僅僅是物理學的一個分支。

當科學在個體認知中徹底成為黑箱的時候，任何人都可以親自驗證這個啟蒙時代的承諾就事實上破產了。絕大部分人根本無法判斷一項科學結論是否正確，因為他們可能連充分理解這項結論都做不到?？茖W的可重復性變成了一種理論上的可能性，而非實踐中的現實。于是科學信任的基礎就悄然從我可以驗證滑向了我選擇相信。

這兩個方向交匯之后，就產生了一個嚴峻的組織問題?，F代科學的發展必然導向學科的高度分化，知識積累到一定深度后，沒有人能掌握整個領域，研究者只能在越來越窄的方向上深耕。這是現代科學的內在邏輯，不以任何人的意志為轉移。

但分化推進到足夠細的程度之后，每一個細分方向都小到了全世界只有二三十個實驗室在做的地步。這些實驗室的負責人互相審稿、互相評基金、互相引用、在同一批會議上碰面、甚至共享學生和博士后。

于是一個結構性的悖論出現了。同行評議的設計理念要求評價者同時滿足兩個條件，既具備足夠的專業能力來理解被評價的工作，又與被評價者沒有利益關聯。但在一個足夠小的細分領域里，這兩個條件是互相排斥的，能看懂你工作的人恰恰就是和你存在合作、師承和經費利害關系的那批人。

由此產生的不是哪個人的道德失敗，而是一種結構性的相互縱容。我審你的論文，發現數據可疑，但如果我較真，我的論文將來也會落在你或你的熟人手里。我質疑你的基礎性發現，那建立在你工作之上的我自己的研究也會跟著動搖。這個方向出了丑聞，整個領域的經費都要縮水。所以理性的選擇就是不看太仔細，提幾條無關痛癢的修改意見，放過去。

這是博弈論意義上的納什均衡，不需要任何密謀，不需要任何人有意腐敗，系統自身就會穩定地運轉在質量控制全面空轉的狀態上。

這種結構性縱容并非抽象的理論推演。哈佛大學教授安韋薩31篇論文造假就是一個非?，F實的例子。他以心肌干細胞的開創性創造了一個細分學術領域，養活了無數相關研究者和利益團體。直到17年后，神話才變成了造假。

這才是耿同學事件最深層的意義所在。那些發表在Lancet、Nature、Cell上數以百計的文章難道真得沒有人覺得不對勁么？那么多實驗室和利益團體難道沒發現實驗很難復現么？不是沒有人能看到，而是沒有人有足夠的動力去看到。畢竟大家都要靠這個細分領域吃飯，打碎飯碗的做法對誰都沒有好處。我國國自然基金中大量關于該造假領域的研究就是一個頗具諷刺意味的事實。

在這一意義上，第二部分的方案只能用樂觀主義來形容了。它們全都回避了同一個問題，就是誰來檢查那些開放的數據是否真實，誰來判定一次對話中展現的思維質量是否達標，誰來做那個重復實驗。如果負責判定的依然是那幾十個互相認識的人，那新的評價方式會以和舊方式完全相同的路徑走向空轉。

工具可以換，但操作工具的社會結構沒有換。開放數據的制度可以被形式化地執行但實質性地架空，對話評價可以被人情關系柔化為走過場，就像同行評議曾經被柔化為社交儀式一樣。

有些人可能會想到一個看似合理的出路，既然問題出在人類評審者的利益糾葛上，那為什么不讓AI來充當沒有利益關聯的外部審查者呢？

但這條路通向的不是問題的解決，而是一個更深的深淵。如果我們把驗證的權力交給AI，本質上是用一個黑箱去審查另一個黑箱。而且第二個黑箱比第一個更加不可穿透。

前沿科學雖然復雜，但原則上一個人經過足夠的訓練仍然可以理解它。大語言模型的決策過程則連它的開發者都無法完全解釋。把知識的裁判權交給一個其運作機制本身就不透明的系統，這不是在修復科學的信任危機，而是在信任危機之上又疊加了一層更根本的不可理解性。

更關鍵的是，這種讓渡一旦發生，改變的就不僅僅是誰來審查的問題了?？茖W之所以是科學而不是神諭，恰恰在于它的結論是通過人類理性的公開辯論和可檢驗的共識來確認的。這是啟蒙運動留給科學最核心的遺產。如果把確認權交給一個人類無法理解其推理過程的算法，那科學在認識論上就和神諭沒有本質區別了，只不過神從超自然的上帝變成了超認知的算法。

借用霍布斯的理論說，人類為了擺脫同行評議的自然狀態，自愿將裁判權讓渡給一個技術利維坦。但與霍布斯的社會契約不同，這里的讓渡沒有任何約束機制，因為我們甚至無法理解這個利維坦是依據什么在做出判斷。這不再是同行評議是否空轉的問題，而是人類在知識生產中全面讓渡裁判權的例外狀態。

啟蒙要求理性化，理性化呼喚專門化，專門化產生黑箱化，黑箱化瓦解了人類的驗證能力，驗證能力的喪失要求一個超越人類認知局限的裁判者，而這個裁判者的不可理解性恰恰復現了啟蒙最初試圖推翻的那種神學結構。

每一步都是前一步的邏輯必然。科學追求客觀性追求到了極致，就必然要排除一切主觀因素。而以個體經驗為基礎的人類理性本身就是最大的“主觀因素”。與其說科學變成了新神學，不如說啟蒙從一開始就內含著重新走向神學的辯證結構。

這不是科學的病態，這是科學的生長方式內含的悖論。AI沒有從外部制造這個悖論，它本身就是這個悖論展開的最終形態。它是啟蒙邏輯最忠實的執行者，也正因為如此，它成為了啟蒙邏輯自我否定的完成。

那些在統計表面上尋找造假痕跡和AI痕跡的努力終將歸于無效，而即使我們找到了更好的評價工具，那個讓一切評價工具最終走向空轉的結構性力量依然在那里。它內嵌在現代科學自身的組織方式中，或者更準確地說，它內嵌在啟蒙理性自身的運動方式中。

阿多諾的時代沒有AI，但AI正在成為啟蒙辯證法的自我預言。

往期文章導讀：