張瑞雄／台北商業大學前校長
新加坡政府宣布將在未來五年投入十億美元，強化AI的研究。這項政策聚焦於基礎AI研究、應用研究與人才培育三大領域，希望鞏固新加坡作為AI研究重鎮的地位。幾乎同一時間，學術界卻傳來令人憂心的消息。研究顯示，使用AI生成或輔助撰寫論文的作者，其產出數量竟比未使用AI者高出三成三。這個數據揭露了一個嚴峻事實，當AI工具大舉進入學術研究領域，我們正面臨知識生產品質與可信度的重大危機。
學術研究長期以來建立在嚴謹的方法論與人類知識判斷之上，但當AI開始協助甚至主導論文寫作、數據分析、文獻回顧等核心工作，研究過程中最珍貴的人類創造性思維反而被邊緣化。更令人擔憂的是這種趨勢正在加速蔓延，從預印本資料庫ArXiv到正式期刊，AI生成的「學術垃圾」正在氾濫。
這些論文表面上看來合理，實際上可能只是演算法拼湊出的空洞內容，缺乏真正的學術價值。
學術界對AI的依賴，某種程度反映了當代研究環境的病態。研究人員承受著「不發表就出局」的巨大壓力，必須在有限時間內產出大量論文，才能爭取到經費、升等機會與學術聲望。在這種績效主義掛帥的氛圍下，AI工具看似提供了一條捷徑，讓研究者能夠「加速」以「跟上」評鑑要求。但這種做法的代價是什麼？當學術出版變成數量競賽，當論文品質淪為次要考量，整個知識生產體系的根基就開始動搖。
AI在研究中的角色應該被重新定位，它確實能夠處理大量數據、協助文獻搜尋、辨識研究趨勢，在這些「窄任務」上展現優勢。許多學者也肯定AI在跨領域合作、公眾參與等面向的潛力。但關鍵在於AI應該是輔助而非取代人類的創造性思考，當研究者把AI當作省時省力的工具，卻忽略了研究過程中那些看似「乏味」但實則培養專業技能與洞察力的環節，長期下來將嚴重削弱學術社群的整體能力。
更值得關注的問題是AI帶來的結構性不平等，資源豐富的機構與研究者能夠接觸更先進的AI工具與更大規模的數據集，這可能讓學術資源的分配更加失衡。新進研究者、人文社會學科、來自弱勢群體的學者，在這波AI浪潮中可能面臨更大劣勢。當AI成為學術生產的標準配備，那些無法或不願依賴AI的研究路徑是否還有生存空間？這不只是技術問題，更是關乎學術多元性與公平性的根本議題。
學術評鑑制度必須跟上時代改變，目前的同儕審查機制已經難以辨識AI生成的內容，更遑論判斷其真正的學術價值。我們需要新的評估標準，不再單純以論文數量或引用次數為依歸，而是回歸研究的創新性、嚴謹性與社會貢獻。同時學術社群也應該建立使用AI的倫理規範，明確界定哪些環節可以借助AI，哪些必須保留人類判斷。這不是要全面禁止AI，而是要確保它在正確的位置發揮正確的功能。
當新加坡等國家大舉投資AI研究，我們更應該思考，這些投資的最終目的是什麼？如果只是為了在論文發表競賽中取得優勢，為了滿足量化指標的要求，那麼再多的資金投入都無法真正促進知識進步。學術研究的核心價值在於探索未知、挑戰既有認知、為人類文明開拓新的可能性。這些都需要人類獨有的創造力、批判思考與價值判斷，而這正是AI永遠無法完全取代的部分。
我們必須警惕，別讓AI成為學術生產的主宰，而應該讓它成為支持人類知識活動的有力工具。唯有如此，才能在AI時代維護學術研究的品質與尊嚴。
