ChatGPT在考试中的表现引发争议：是辅助还是作弊工具？
1. 研究人员对OpenAI的ChatGPT进行了更多机器测试，以评估其在考试中的表现。2. ChatGPT在明尼苏达大学的研究生考试题中平均成绩为C，但在某些问题上表现不佳，如确定与案件相关的问题。3. 虽然AI可以通过研究生考试，但其表现仍有待提高，且存在较大改进空间。教授们认为学生仍需学习基本技能，而AI技术最终可以节省学生的时间。
人工智能写作工具的使用与学术诚信
这篇文章主要报道了《暨南学报(哲学社会科学版)》和《天津师范大学学报(基础教育版)》对使用人工智能写作工具的规定。根据这两份学报的要求,任何使用相关工具撰写的文章都需要在文章中详细解释如何使用以及论证自身的创作性,否则将面临退稿或撤稿的处理。同时,引用人工智能写作工具的文章作为参考文献也需要提供详细的引用论证。
4个月，他用ChatGPT写了16篇论文，已发表5篇
编译 | 卜金婷自ChatGPT上线以来，一些研究人员的论文产出速度变得“突飞猛进”。据美国《野兽日报》日前报道，美国田纳西大学健康科学中心的放射科医生Som Biswas，在4个月内使用ChatGPT写了16篇论文，并在4个不同的期刊上发表了5篇。他将第一次尝试的论文提交给了《放射学》杂志，这是北美放射学会的一份同行评审月刊。同时，他也向编辑坦言：你看到的都是AI写的。几天后，这篇题为《ChatGPT与医学写作的未来》的论文通过了同行评审，并顺利发表。 《ChatGPT与医学写作的未来》论文以ChatGPT为代表的大型语言模型（LLM）大大提升了生产效率，但它们也在科学界造成了翻天覆地的变化，许多专家担心学术出版的可信度受到侵蚀。 用AI在4个月内写了16篇文章 Biswas最新的一篇文章，是4月28日发表在《儿科放射学》杂志上的一篇评论。在这篇文章中，Biswas是唯一的作者，他在结尾处承认用ChatGPT写了这篇文章。Biswas承认，他利用AI写的论文并不限于放射学专业。事实上，他还写了关于ChatGPT在军事、教育、农业、社交媒体、保险、法律和微生物学中作用的论文。并且，他已经成功地将这些文章发表在不同的小众学科期刊上，包括一篇关于计算机编程的论文发表在《美索不达米亚计算机科学杂志》，以及2封发表在《生物医学工程年鉴》上的致编辑的信——主题关于全球变暖和公共卫生。Biswas说，他这样做的动机不仅仅是为了看到自己的署名。他想成为一项新兴技术的传播者，他认为这项技术将永远改变所有研究人员的工作方式。那么，期刊为何会发表这类AI创作作品？美国弗吉尼亚理工大学工程学教授、《生物医学工程年鉴》的主编Stefan Duma坦言，在过去的几个月里，他看到期刊收到的论文数量呈指数级增长——其中包括2篇来自Biswas的给编辑部的信。Duma解释说，给编辑的信基本上是期刊的意见部分，其中对发表文章的写作类型和研究深度的限制较少。这也是为什么Duma愿意发表Biswas的2篇文章。但是，他补充说，由于质量低下，他一直在拒绝更多由ChatGPT和其他LLM生成的文章。此外，上文提及的两本期刊《儿科放射学》《美索不达米亚计算机科学杂志》，没有回应媒体的置评请求。在微生物学家、科学诚信专家Elisabeth Bik看来，“至少Biswas承认他在使用ChatGPT，所以你必须给予他一些信任。”Bik说，“我已经遇到了很多其他人，他们也发表了大量令人难以置信的论文，同时也不承认ChatGPT。这些人发表得太多了。而这，实际上是不可能的。”Bik对在学术界使用LLM技术有两种看法。一方面，她承认对于第一语言不是英语的研究人员来说，它可以成为一种宝贵的工具，可以用它来构建连贯的句子和段落。另一方面，她也一直在关注，很多研究人员明显滥用聊天机器人，仅在过去几个月里就发表了数十篇文章。至于滥用产生的原因，Bik认为是“引用和出版物数量这两个衡量学术水平的指标。” 如果可以找到一种人为的方式来提高这些东西，这样就可以轻松地赢得更好的绩效指标。Bik还担心对LLM的使用激增更会助长“论文工厂”泛滥。她的担忧也是学界和出版界共同关心的议题。 检测“论文造假”是个挑战 今年5月，由以学术出版伦理为重点的非营利组织出版伦理委员会（COPE）和国际科学技术和医学出版商协会（STM）召集了一场峰会。峰会汇集了国际研究人员，包括独立研究诚信分析师，以及来自资助机构和出版商的代表。与会人员集中讨论了论文造假问题。“随着AI的迅速发展，论文工厂生成越来越合理的原始数据的能力将快速提升。”澳大利亚悉尼大学的分子生物学家Jennifer Byrne说。德国海德堡欧洲生物学会的图像数据完整性分析师Jana Christopher说：“我见过AI刚刚生成的假显微镜图像，但如何确凿证明图像是由AI生成的，仍然是一个挑战。”自由柏林大学社会科学家和独立研究诚信分析师Anna Abalkina怀疑，由于同行评审过程的周期长，这些AI工具在学术文献中明显增多的时间，可能会有所延迟。“这是我们第一次一群人聚在一起，共同采取行动以应对这个问题。”COPE的董事和研究诚信顾问Deborah Kahn表示，我们不能否认AI对科学研究有积极作用，但仍有必要区分使用AI编写的合法论文和完全捏造的论文。峰会期间讨论的一种策略是，要求作者提供带有水印的实验原始数据，能够让出版商确认这些数据是真实的。Christopher表示，目前提交原始数据的要求在出版商之间差异很大，所以需要制定跨出版商提交原始数据的统一标准。“我无法想象这会在一夜之间发生转变，现实是许多机构没有资源提供数据管理的基础设施。”泰勒-弗朗西斯出版集团的出版伦理和诚信总监Sabina Alam表示，该标准需要时间来实施。STM正在研发论文造假检测软件，同时通过其诚信中心收集有关其他类似工具的资源。这些工具既用于在提交时检测论文造假，也用于识别已经发表的假论文。泰勒-弗朗西斯出版集团是正在使用这些工具的出版商之一。Alam表示，越来越多论文被标记为需要进一步检测是否存在不当行为。从2019年到2022年，她的团队处理的伦理案例数量增加了十多倍，今年到目前为止，数量已经与2022年持平。参考链接：https://www.thedailybeast.com/how-this-doctor-wrote-dozens-of-science-papers-with-chatgpthttps://www.nature.com/articles/d41586-023-01780-w 编辑 | 方圆 排版 | 志海 合作事宜：hezuo@stimes.cn 投稿事宜：tougao@stimes.cn
ChatGPT：教育的挑战？未来在这里！12专家热议人工智能对教育的影响
本刊通过访谈探讨了人工智能驱动的ChatGPT对教育的影响。专家认为，ChatGPT既是教育助手也可能带来问题，如抄袭和技术依赖。面对其挑战，教育需科学认识、提升独立思考能力，并在教学方式、专业设置和管理上适应变革，拥抱创新。未来教育应考虑新技术对社会人才需求的改变，推动数字化转型和教育现代化。同时，也强调了应对人工智能带来的伦理问题和公平性的重要性。
人工智能写作工具风靡高校，挑战学术诚信
近日，国内高校学生因使用ChatGPT写作工具引发热议。多个学术期刊发表说明，倡导合理使用新技术，同时要求作者在使用人工智能写作工具时单独提出，并在文章中详细解释论证自身创作性。专家表示，人工智能工具难以替代人类的创造性工作。
ChatGPT真的独霸天下无所不能吗？看看它的技术、缺陷与合规
祝世虎（人工智能博士） 在2月18日参加完由清华大学经济管理学院中国金融研究中心和新网银行共同举办“ChatGPT爆火后的冷思考”数字金融智库沙龙后，我感触颇多！ 我是2009年博士毕业于北京大学智能科学系，自2005年建系以来的第一批AI博士。那时的AI只在书本里，2016年AlphaGo让AI走到了资本里，2022年ChatGPT则让AI飞入寻常百姓家！ 作为一个AI老兵，虽然在金融领域的风险、科技、数据部门工作多年，但“AI工程师”的初心犹在，下面我就以一个工程师的视角，以通俗易懂的文字，尝试讲解一下ChatGPT的技术、缺陷与合规等问题。 一、ChatGPT简述 （一）ChatGPT：从技术到客户的珠联璧合 冷静思考下，ChatGPT为什么突然间获得人们追捧？我认为这是技术的成功，是产品的成功，是营销的成功，是客户的成功，更是技术、产品、营销、客户的珠联璧合。 从技术和产品角度看，ChatGPT具有易用、好用、实用的特性。 一是易用，OpenAI斥巨资提供了便捷的API接口，每个人都可以很方便的接入；二是好用，其效果远远高于同类型的传统产品，出乎意料的效果吸引了更多的人进行试用；三是实用，有些学生用ChatGPT来写作业，有些程序员用ChatGPT来代码，有些画师用ChatGPT来绘画，这就体现了ChatGPT的实用性。 从客户和营销角度，上述“易用、好用、实用”完美诠释了ChatGPT的客户策略或者客户旅程。 “易用”带来了万千的客户，“好用”使得一个个好奇的测试者变成了初级使用者，“实用”使得初级使用者变为了坚定使用者。 从我个人理解来看，我更想倾向于把ChatGPT的成功主因归因于客户营销的成功。以AI的上一个里程碑AlphaGo为例，其技术也是领先，但是客户却只局限于围棋的垂直领域；再以二维码支付为例，其技术与其竞品相比并不先进，但其“易用、好用、实用”带来的客户体验，使得二维码支付取得了极大的成功。 （二）OpenAI：工程师的世外桃源 OpenAI人工智能研究实验室成立于2015年，主要由微软资助，目的是促进和发展友好的人工智能。OpenAI公司最优质的资产就是，有300多名工程师，他们“自由散漫”但“理想崇高”，无忧无虑地以工程师的思维来改变世界，这或许就是我前文说的工程师的初心。 （三）Microsoft：第三代的王者 微软是OpenAI的幕后金主，并且一直为其提供算力，这体现了微软这个office王者对文字的深刻理解。纵观历史： 第一代王者：微软的office是第一代的王者，人们实现了文字的电子化，并通过对文字的“Ctrl+C与Ctrl+V”减轻了人的工作量，但其文字范围仅为身边小范围的文字； 第二代王者：Google的搜索引擎是第二代王者，人们实现了对历史文字（已有文字）的使用，文字范围由身边扩展到了整个互联网； 第三代王者：微软认为第三代的王者或许是自然语言生成，文字范围突破了已有文字。 （四）岗位之争：人与AI的边界线 有一群人类的工作是发展AI，与此同时，有另一群人类的工作却不断地被AI所取代，这个边界线一直在后退。 第一阶段，体力工作被机器取代；第二阶段，重复性工作被具有简单智能的机器取代；第三阶段，自动驾驶逐渐变为了现实；第四阶段，ChatGPT让人们相信AI会“创造”，那么未来可能任何不需要深度情感交流的工作，都会被AI所取代。 理性来看，ChatGPT对人们就业的冲击，和以往出现的生产力跃升并无本质区别，短期内会对岗位形成一定的结构性冲击，但中长期便会稳定。此时作为一个AI老兵，我也要为AI说一句话：抢走你工作的不是AI，而是先掌握AI的人。 二、ChatGPT的技术分析 （一）技术路线：工程师思维的成功 从技术角度看ChatGPT的成功，是得益于在自然语言处理NLP（Natural Language Processing）领域一群工程师的工程探索，从下文我们可以看出，工程师们基于工程探索的技术路线可能有别于研究者基于理论推导的技术路线。 从技术角度解释工程师思维并不易读，我尝试从逻辑角度解释一下工程师的思维。要做一个具有人的智能的机器，首先要创建一个大脑；其次要有学习资料；然后掌握学习方法；最后考试归来。这就形成了ChatGPT的技术路线的逻辑框架。 第一步，构建大脑，工程师们认为这应该是一个通用的大脑，什么都能学习，所以工程师们选择了通用人工智能AGI（Artificial General Intelligence）的构想：AGI应该是一个大系统，系统的核心是一个与任务无关的大模型，大模型依靠大算力从海量大数据中学习人类的知识，从而形成AI智能。这就是工程师们的系统思维。 第二步，学习资料，人类知识的载体是文字和语言，所以工程师们选择了大型语言模型LLM（Large Language Model）。在这群工程师的眼里，大算力、大存储、大数据使得大模型的工程实践成为了可能，更成了工程师的“心猿意马”！随着数据越来越大，算力越来越大，模型越来越大，效果越来越好，这就是工程师们“力大砖飞”的思维。 第三步，学习方法，工程师们选择了GPT的技术路线，并坚持了下去。在当时的NLP领域，深度学习模型已经遇到瓶颈，通过增加模型层深来提升模型效果微乎其微，深度学习模型已经逐步被预训练模型所取代。在预训练模型范式下，存在BERT（Bidirectional Encoder Representations from Transformers）和GPT（Generative Pre-Training）两种技术实现方式，两者看似比较相像，但其底层逻辑的截然不同。 从当时的论文发表来看，研究者大部分选择了BERT技术，而工程师们大部分选择了GPT技术。回头看分析其原因，我个人觉得研究者的思路一般是按部就班：先是完成自然语言理解任务，而后是完成自然语言生成任务，这就是BERT。工程师们则希望一步到位，越过自然语言理解任务，直接完成自然语言生成任务，这就是GPT。 第四步，考试归来，随着大算力、大数据的“厚积薄发”，大模型“量变突破质变”，能力超群的ChatGPT横空出世，获得了人们的追捧。 （二）智能涌现：人工智能的厚积薄发 最初的 GPT...
ChatGPT挑战科学界？肿瘤学杂志首度公开它写的论文，能否颠覆衰老研究？
在最新的研究中，ChatGPT与研究人员合作，在Oncoscience杂志上发表了一篇探讨雷帕霉素抗衰老应用的论文。尽管ChatGPT提供了大部分观点，人类科学家审查并确认了其有效性，将其列为第一作者。这表明人工智能在科学研究中扮演越来越重要的角色，但同时也提醒需要谨慎评估AI的贡献和责任。
用ChatGPT提升论文写作效率
本文介绍了使用ChatGPT进行论文写作的过程，并通过实际操作，证明了这种方法的效率提升效果。作者穆什塔克·比拉尔是位巴基斯坦的博士生，他的经验表明，尽管生成的论文存在瑕疵，但能极大地提高写论文的效率。他给出了详细的操作步骤，提醒读者要聪明地利用ChatGPT来提升学术写作。