不觉已然7月年中，今年有一种非常强烈的感觉，就是学术圈的事就没消停过，从前不受关注、无人问津、独树一帜、门客罗圈的科研圈话题突然变得风生水起、热闹非凡。
这不，最近几天朋友圈和各种交流群里又被一件事刷了屏：一篇发表在膜科学领域顶刊 Journal of Membrane Science 上的论文，图表当中竟然赫然带着“豆包AI生成”的水印标志。
作为一名结构工程专业毕业的博士和研究生导师，我第一反应是震惊，继而生出了一种可笑的荒谬感，学术圈啊、学术圈，真是变得越来越陌生。
前一段耿同学的热度还在如火如荼，各高校纷纷开展学术不端问题的自纠自查。如今，赤裸裸的写作不规范现象就这么明目张胆的冒出来了。回想自己读研究生到现在，十几年的时间，从最开始听导师不厌其烦的要求学术规范，到现在每天跟学生诲人不倦的强调数据真实、图表严谨，结果一篇1区Top论文的插图，就这么大咧咧地带着AI水印“裸奔”上线了，而且还一路通过了作者、审稿人、编辑和出版社的多重审核。我不禁会想，恐怕我的学生们肯定要在自己的小圈子里嘲笑我是个迂腐的老顽固：“你看看人家，就你还抓着那些条条框框不放！”。想到这里内心隐隐不安，一个信号也越来越清晰，就是学术圈的问题是巨大的、系统性的、根深蒂固的，从大的学术造假到小的写作规范。
震惊之余、冷静之后，我们来分析一下这张水印所暴露的问题，看一看整个事件当中作者的粗心、编辑和审稿人的过失。
一：低级失误背后的流程失守
往简单的说，最直接的就是编辑的失职。姑且不论图片数据的准确性，作者可能只是用AI工具修改了图上的样品标签，处理后图片自动带上了AI工具的水印。但在最终提交的稿件里连水印都没去掉，这反映出作者多么无知，论文准备过程多么粗心。更值得追问的是，期刊的审稿和排版流程为何也形同虚设？如果说同行评议的焦点是科学内容，审稿人更多的是关注内容而不是格式的话还情有可原，那么编辑部对出版版本的图像审核显然存在着巨大漏洞。我们总不能指望每位读者都来做“细节警察”。
做为审稿人，其实这种问题我也屡见不鲜、见怪不怪，只不过往往只是当成和朋友们茶余饭后的笑谈。越来越多的论文稿件开始变得粗糙，似乎在作者的观念中只要写完了初稿再简单整理一下格式就可以投稿，有问题的话编辑和审稿人都会提出来，那就等他们提出来再修改不迟，换句话说，如果没有意见的话就可以这么糊弄过去。比如，我在审稿时，曾见到过有几个作者在论文的图片中截到了电脑屏幕上的输入法、桌面背景之类的元素，简直让人哭笑不得。
二：AI使用边界的模糊与滥用
除了水印，网友还质疑该论文中存在图片复用问题，两张标注为不同样品的电镜图在缩放平移后显示出高度重合的区域。如果属实的话，就不仅仅是使用AI工具这么简单的事了，而是直接指向了实验数据本身的真实性问题。AI始终只是个工具，它的出现放大了研究者在数据采集和处理环节的不严谨和侥幸心理。说实话，如果仅仅是编辑的失职还不至于引起这么大的风浪，恐怕更多的担忧折射出的是对AI在学术领域无限制渗透的不安。目前不少期刊，包括这次涉及的 Journal of Membrane Science，都明确禁止使用生成式AI制作或修改论文图片，如果论文AI检测率很高都会直接拒稿。但现实是，AI做为生产工具，这几年已经无孔不入，很多课题组也已经习惯使用各种软件工具来制作和美化图表。当AI绘图工具变得像“豆包”一样便捷，其生成的图像便轻易地混入了传统科研绘图流程。问题的关键不在于用没用AI，而在于是否透明披露、是否篡改了原始数据。这次事件中若仅是用AI改标签，性质比伪造实验数据轻，但依然可能违规，因为它破坏了学术图像的“可追溯性”。即使这张图片没有被发现，大量使用AI工具的现象也已经是不争的事实，不可能说我们放着好的工具不用，再回到刀耕火种的原始手搓时代。问题更多是指向AI工具辅助程度的合理标准和规范，要严格防止滥用。
三：AI新技术的防范与审查机制
做为问题论文署名单位，兰州大学已经第一时间成立调查组，表态对科研失信“零容忍”。这是必要的，亡羊补牢，为时未晚。但我们不能一味总靠“东窗事发”来倒逼学术规范。作为一名结构工程领域的研究者，我们的论文图表里满是应力-应变曲线、电镜扫描图像、裂缝分布图和数值模拟云图。这些图是我们的“证据链”，是支撑结构安全、地基承载力分析等结论的基石。我常对学生说，实验记录本上的每一个数据点，都对应着一次真实的加载、一次混凝土的破碎、或者一次现场取样。如果允许AI随意介入图像修改，哪怕只是“美化”一下曲线或“修正”一下标签，科研的“证据链”就可能从源头开始断裂。我们写论文，本质上是在构建一个可被同行评议、可被重复验证的逻辑体系。这个体系容不得任何来路不明的“修饰”。这次“豆包AI水印”事件，对我们来说是一记警钟。它在提醒我们，在AI时代，守住科研诚信的底线，不能只靠个人的自觉，更需要建立一套适应新技术的防范与审查机制。
不止是“抓包”，更需“治未病”，这件事至少应当推动几个层面的改变：
其一，期刊和出版社必须升级技术手段。对于图像查重、AI生成痕迹检测、元数据分析，应像查重软件一样成为标配，而不是依赖编辑和审稿人的“肉眼凡胎”。
其二，课题组应建立明确的内部审核流程。作为导师，有责任在论文投稿前，对核心数据和图表进行更严格的原始数据核对，确保每一张图都“来源清楚、处理透明”。在学生培养中，更要强调学术规范，明确告知AI工具的允许使用范围与禁区。
其三，整个学术共同体需要尽快形成共识。AI可以用于文献检索、语言润色，甚至辅助构思，但绝不能触碰实验数据和核心证据图像。我们需要更清晰、更统一且更具有操作性的AI使用指南和披露标准。
说到底，修改一张图片问题本身无伤大雅，即使没有AI工具，在我上学的年代也有很多同学使用ps这样的图片处理工具进行修饰，处理掉图片中与试验无关的杂物，让图片看起来美观。一张带有AI水印的图，本身或许微不足道，但它像一面镜子，照出了我们在拥抱技术便利时，对科研诚信底线的模糊与松懈。科研论文的图表是否可以“素颜”出场，甚至显得有些粗糙？——我们需要的不是没有水印的干净，而是数据真实、记录完整、责任明确的干净。这个底线，无论AI如何发展，都不应当退让。
