高達 90% 的生醫論文出現 AI 協助的痕跡

一項分析顯示，約 90% 的生物醫學論文出現 AI 輔助寫作的語言特徵。這個比例之高，使學術寫作的規範、署名倫理與同儕審查機制都面臨重新界定的需求。

判斷「AI 協助痕跡」的方法，通常建立在語言統計特徵上。大型語言模型在用詞選擇上有可辨識的偏好——某些詞彙的使用頻率明顯高於人類寫作的自然分布，句式結構也呈現特定的規律。透過比對這些特徵在時間軸上的變化，研究者能估算 AI 參與的普及程度。

不過，這類方法的限制必須說明。特徵的出現不等於「由 AI 生成」——大量作者使用 AI 進行語言潤飾、文法修正或翻譯，而內容與論證仍完全出自人類；同時，長期閱讀 AI 生成文本也可能影響人類自身的寫作習慣，使特徵擴散的原因變得複雜。因此 90% 這個數字反映的是「接觸痕跡」的廣度，而非學術不端的比例。

從實務角度看，AI 在學術寫作中的普及有其明確的合理性。全球學術界的主要發表語言是英文，而大量研究者的母語並非英文；過去這些研究者需要付費請專業編輯潤稿，或承受因語言表達而被低估研究價值的風險。AI 工具實質降低了這道語言門檻，讓評價能更聚焦於研究內容本身。這是相當正面的效果。

真正需要區分的，是協助的層次。語言潤飾、格式整理與文獻檢索屬於工具使用，與過去使用拼字檢查或文獻管理軟體並無本質差異；而由 AI 生成研究論述、代寫討論段落，甚至虛構資料或引用，則觸及學術誠信的核心。目前多數期刊的規範已要求揭露 AI 使用，但揭露的顆粒度與查核方式仍不一致。

對同儕審查的衝擊則更為棘手。當投稿量因為寫作門檻降低而增加，審查人力的負擔隨之上升；而審查者本身也可能使用 AI 輔助評閱，形成 AI 寫、AI 審的循環。這對審查品質的影響尚無定論，但已引發相當程度的憂慮。

從更廣的角度看，這個現象也提示了一個轉變：當寫作本身不再是稀缺能力，學術產出的價值判準會更集中在研究設計、資料品質與結論的可重現性上。這對整體學術生態未必是壞事，但需要評價機制同步調整。

後續觀察重點包括：期刊揭露規範的統一程度、AI 使用與研究品質之間的關聯分析，以及同儕審查機制的因應調整。