登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《Taylor & Francis 要求在学术内容创作中负责任地使用 AI 工具》

  • 来源专题：科技期刊发展智库
  • 编译者： 张恬
  • 发布时间：2023-03-31

  • 科学出版商Taylor & Francis公司于2023年2月17日发文称，人工智能（AI）工具不能被列为作者，然而，作者必须声明其作品中包括的所有来源和贡献者，在使用AI工具的地方，必须对这种使用进行适当的确认和记录。

    在研究和写作中使用AI工具是一种不断发展的做法。基于AI的工具和技术包括但不限于大型语言模型（LLMs）、生成性AI和聊天机器人（例如ChatGPT）。Taylor & Francis在新闻稿中称，AI工具在学术研究中的使用越来越多，作为以人为本的科学出版商，他们认为这些工具在适当和负责任地被使用的情况下，有可能增加研究成果，从而促进知识的进步。 但涉及在内容创作中使用AI工具，Taylor & Francis对作者责任和义务重申如下:

    （1）作者对其提交内容的原创性、有效性和完整性负责。在选择使用AI工具时，作者应负责任地按照Taylor & Francis关于作者身份的编辑政策和出版道德原则来做。

    （2）作者身份要求对内容负责，通过作者出版协议同意出版，对作品的完整性作出合同性保证。这些都是人类特有的责任，AI工具无法承担。

    因此，Taylor & Francis规定，AI工具不能被列为作者，但作者必须对这种使用进行适当的确认和记录。同时，Taylor & Francis称这项政策将在适当的时候进行修订。

284浏览量
原文链接
相关报告

  • 《AIGC在学术写作中的应用》
    • 来源专题：数智化图书情报
    • 编译者：杨小芳
    • 发布时间：2024-01-19
    • 人工智能生成内容（Artificial intelligence-generated content, AIGC）和 AIGC 模型已成为内容创作领域的强大工具。这些人工智能系统旨在以超乎想象的速度和规模生成文本，包括学术论文。虽然人工智能技术显示出了巨大的潜力，但它也引发了一系列问题，尤其是在学术写作方面。 在本文中，我们将定义 AIGC 及其模型，探讨其在学术界日益广泛的应用，及其引发的问题，并讨论期刊如何检测未披露的AIGC。此外，还会讨论未披露 AIGC 使用情况的后果，并强调学术出版中使用人工智能的透明度和道德的重要性。 1 AIGC的定义及其模型 AIGC 是指人工智能系统制作的书面、视觉或听觉材料，通常由先进的语言生成模型驱动。这些模型进过了大量数据集的训练，能够模仿人类语言，生成各种主题的内容。近年来，人工智能生成的内容已进入新闻、营销和学术等各个领域。 在学术领域，AIGC 模型被用来起草研究论文、摘要和期刊文章，这些人工智能系统能够生成近似人类写作的文本。 2 AIGC在学术写作中的常见问题 在学术写作中越来越多地使用人工智能引起了一些关注。这些问题包括： a. 作者身份和所有权：当人工智能系统生成内容时，就会产生作者归属的问题。是程序员、用户还是人工智能本身？内容归谁所有？ b. 创造性：人工智能生成的内容往往缺乏人类作者为其作品带来的创造性火花和独特视角。这可能会导致学术写作中个人风格和研究视角的缺失。 c. 虚假参考文献和偏见：人工智能生成的论文可能会引用不存在的资料来源或提供有偏见的信息。这对研究的完整性构成重大风险。 3 期刊对使用AIGC的规定 大多数学术期刊对人工智能生成器的使用都有严格的规定。虽然这些期刊通常禁止将人工智能生成器列为作者，但它们要求全面披露其使用情况。例如，有些期刊要求使用人工智能技术的作者全面介绍所使用的工具、方法以及评估所生成数据可信度的手段。透明地使用人工智能被认为是保持研究完整性的关键。 如果作者没有在稿件中声明使用了人工智能生成工具，期刊会设立机制来识别未披露的AI工具。 4 期刊采用哪些方法检测AIGC？ 1. 同行评审：审稿人可以利用他们的专业知识发现稿件中不寻常或可疑的写作风格。人工智能生成的内容可能表现出句子重复和结构不连贯等模式。查重检测软件也可用于分析文本与已知 AIGC 的宏观相似性。 2. AI文本识别工具（AI Text Classifiers）：机器学习算法和自然语言处理技术用于分析大量研究文章，包括已知的 AIGC 生成的内容。这些算法经过训练，可以识别人工智能生成的文章所特有的独特模式，从而区分人类和人工智能撰写的内容。 3. 元数据分析（Metadata Analysis）：对文章的作者、发表日期和发表期刊等进行检查。将这些信息与 AIGC 生成的内容进行比较，可以发现相似之处。 4. 查重检查：查重工具将稿件文本与现有文章进行比较。与已知 AIGC 的高度相似性可能表明使用了AI生成器。 5. 无监督机器学习：聚类算法把与 AIGC 生成内容相似的研究文章进行分组，帮助检测。 6. 人工审核：使用 AI生成工具可能性较高的文章可能会经过人工审核，确保AI检测工具的准确性。 5 未披露AIGC使用情况的后果 如果学术期刊发现稿件中使用了AIGC，但是论文中没有说明，可能会给作者带来不利后果。这种行为被认为是不道德的，会对作者的诚信造成不良影响。 1. 伦理影响：学术写作中未披露 AIGC 会引发严重的伦理问题。它破坏了诚实、透明和学术诚信的原则。 2. 损害作者声誉：这可能会造成长期的后果，因为诚信和信誉在学术界至关重要，学者和同事可能会对这类作者产生怀疑，他们今后的贡献也可能会受到质疑。 3. 期刊拒稿：如果在编辑审核或同行评审过程中发现未披露AIGC，期刊可能会直接拒稿。 4. 对期刊公信力的影响：读者和整个学术界都依赖期刊坚持严格的标准，这方面的任何疏忽都会对期刊的声誉造成不利影响。 5. 法律影响：在极端情况下，未披露AIGC 使用情况可能会导致法律后果。抄袭和学术不端行为会受到严肃处理，受此类行为影响的机构或个人可能会追究法律责任。
    1474浏览量
    原文链接

  • 《人工智能在学术研究中的作用》
    • 来源专题：科技期刊发展智库
    • 编译者：董文杰
    • 发布时间：2023-09-07
    • 人工智能（AI）在学术研究领域的崛起近年来成为焦点，这种由机器学习和数据分析驱动的革命性技术正在深度改变各研究领域的格局。借助人工智能，研究人员得以处理大规模数据、抽取有价值的见解并将重复性任务自动化，进而有可能加速科学的探索步伐并提升研究成果的质量。 随着人工智能的不断进步，研究人员必须学会适应并利用这一工具，同时关注其潜在的局限性和伦理影响。通过在AI驱动的自动化和人类创新思维之间寻找平衡，研究人员可以开辟新的可能性，推动科学知识的发展，并为人工智能在学术研究领域的变革潜力作出贡献。 人工智能如何重塑学术领域？ 人工智能为学术领域带来了重大改变，从根本上改变了研究、知识生成和教育方式的提供。将人工智能技术整合进学术界可能会简化流程、提高研究效率并催生创新。人工智能对学术界的改变主要体现在数据分析。研究人员可以利用AI算法快速有效地分析海量数据，使他们能够发现传统方法难以捕捉的模式、关联性和趋势。 人工智能正在改变研究过程本身。它通过自动扫描并提取大量科学论文中的相关信息，帮助研究人员进行文献综述和知识合成。这不仅节省了时间，还有助于研究人员了解其所在领域的最新动态。 人工智能对学术界产生重大影响的另一个领域是教育。人工智能技术正在被用于开发智能教辅系统、自适应学习平台以及个性化教育体验。这些技术可以分析学生的学习模式，提供个性化的反馈、支持和资源。 此外，人工智能还有可能增强学术界人员的能力。它可以将重复性任务自动化，从而为研究人员释放出时间，使他们可以专注于更高层次的认知活动。这包括数据收集、分析、甚至论文撰写的自动化。通过简化这些流程，研究人员能够将更多精力用于批判性思考、提出假设和探索新的研究路径。 人工智能在学术研究中的应用 人工智能已在各学科的学术研究中得到广泛应用。以下是一些人工智能在学术研究中的应用实例： ●数据分析和模式识别： 人工智能算法可以分析大型数据集，并识别人类难以识别的模式、相关性和趋势。这在基因组学、气候科学和社会科学等领域尤其有用。 ●自然语言处理（NLP）： NLP技术使计算机能够理解和生成人类语言。研究人员利用NLP分析大量文本数据、提取信息、总结文档和检测情感。它应用于文学、语言学和社会科学等领域。 ●计算机视觉： 基于人工智能的计算机视觉系统可以处理和解释图像和视频等视觉数据。研究人员利用计算机视觉分析医疗图像、卫星图像和监控录像等。它可应用于生物学、天文学和环境科学等领域。 ●药物发现与开发：人工智能正被用于预测潜在药物化合物的特性及相互作用，以此加快药物发现过程。机器学习模型能够分析大量的化学和生物数据，确定潜在的药物目标并设计新的分子。 ●机器人和自动化：人工智能驱动的机器人和自动化系统正越来越多地用于学术研究，以执行实验室实验、数据收集和样本处理等任务。这些机器人可以全天候工作，减少人为错误，提高研究工作流程的效率。 ●推荐系统：人工智能算法可以根据用户的偏好和行为提供个性化推荐。在学术界，这些系统可根据研究人员的兴趣和以往工作推荐相关的研究论文、会议或合作项目。 ●模拟和建模：机器学习和神经网络等人工智能技术可用于创建复杂的模型和模拟。研究人员可以利用这些模型来研究和预测物理学、经济学和社会科学等领域的现象。 ●知识发现与整合：人工智能能够帮助研究人员从众多的研究论文、专利及其他学术资源中发现并整合信息。这有助于揭示研究空白、查找相关文献并产生新的见解。 人工智能驱动的学术研究面临的挑战和伦理问题 ●数据偏见和公平性：人工智能系统根据数据进行训练，如果训练数据存在偏见或反映了社会偏见，人工智能模型可能会延续这些偏见。研究人员需要仔细整理和预处理数据，以确保公平性并减少人工智能模型中的偏见。 ●隐私和数据保护：人工智能研究通常涉及处理大量数据，包括个人和敏感信息。研究人员必须确保数据收集、存储和分析遵守相关隐私法规，并获得参与者的知情同意。 ●透明性与可解释性：一些人工智能算法（例如深度学习模型）被视为"黑盒子"，其决策过程难以理解和解释。在学术研究中，需要努力提高其透明度，并找出一种方法来解释人工智能推理背后的原理。 ●可重复性和稳健性：研究者应通过提供清晰的人工智能模型、算法和数据集的文档以实现可复制性。关键在于确保人工智能模型的稳健性，使其能够在未接触过的数据中进行泛化，防止过度拟合或结果偏差。 ●知识产权和所有权：人工智能研究通常涉及到合作以及对现有的数据集和模型的使用。需要为知识产权、数据所有权以及研究者间的人工智能模型和代码共享制定明确的指导原则。 ●责任与义务：随着人工智能的日益自主化，问责和责任问题也随之而来。研究者必须考虑其人工智能系统的道德影响，并意识到其部署可能带来的潜在风险和后果。 ●社会影响和工作岗位转移：人工智能技术可能颠覆所有行业，并导致某些工作角色被自动化。研究者应关注其人工智能驱动的研究可能带来的社会影响，并努力确保公平的过渡，创造就业机会并最大程度地减少负面影响。 ●双重用途和滥用：为学术研究开发的人工智能技术既有积极的应用，也存在被滥用的风险。研究者应注意潜在的双重用途问题，并考虑其工作的道德影响，以防止滥用或无意的伤害。 人工智能在学术研究领域的潜力 ●跨学科合作：人工智能将不同学科的研究者联合起来，推动合作并实现突破性的发现。 ●数据驱动的发现：人工智能算法从大型数据集中提取有价值的见解，彻底改变了跨学科研究。 ●个性化和适应性学习：人工智能技术提供量身定制的教育体验，评估学生成绩并提供有针对性的反馈。 ●增强科学发现的能力：人工智能协助研究人员进行假设生成、实验设计和数据分析，加快研究进程。 ●道德考量和负责任的人工智能：研究者正在解决偏见、透明度、隐私和问责等问题，以确保人工智能的道德和负责任地使用。 ●人工智能自动化：人工智能简化了研究工作流程，实现了数据收集和分析等任务的自动化，提高了效率。 ●人工智能应对全球挑战：通过分析数据和优化资源配置，人工智能有助于解决气候变化、医疗保健和贫困问题。 ●增强创造力：人工智能是创造性的合作伙伴，它能够产生创意、综合信息，并在艺术和设计等领域推动创新。 ●增强同行评审和学术交流：人工智能实现了同行评审的自动化，协助语言翻译，并推荐相关研究论文。 ●研究民主化：人工智能平台在全球范围内提供计算能力、数据集和合作机会，使研究民主化。 用于学术研究的人工智能工具 ●Pictory：Pictory是一款人工智能驱动的视频生成器，可简化创建和编辑高质量视频的过程。 ●Jasper：Jasper是顶级的人工智能写作助手，以其卓越的功能和出色的质量在市场上树立了标准。 ●Murf：Murf是一款文本转语音生成器，被公认为市场上最受欢迎、最出色的人工智能语音生成器之一。 ●HitPaw照片增强器： 基于人工智能的提高图像质量和细节的工具。 ●ChatGPT：用于自然语言处理和生成类人文本回复的人工智能模型。 ●Lovo.ai：Lovo.ai作为一个屡获殊荣的语音生成器和文本到语音解决方案，赢得了赞誉。 ●Reply.io：Reply提供了一个全面的销售参与平台，能够以可扩展的方式创造新的机会，同时确保每次互动都具有个性化的触感。
    3193浏览量
    原文链接