在稿件编辑中使用人工智能是否可行？| 爱思唯尔语言编辑

现阶段，生成式人工智能（generative artificial intelligence，下文简称AI）悄然在各行各业带来或多或少的影响，这其中也包括科学研究和学术写作。部分研究者已开始尝试让AI工具参与学术写作过程，优化论文并提高写作质量。AI可以在识别语法错误等方面助力写作¹，但这不意味着研究者可以完全依赖AI来润色论文，作者的人工检查或审阅是必不可少的。

在使用AI协助学术写作的过程中，作者需要特别留意语境分析、表达准确度、文化敏感性及学术伦理等方面，避免在论文写作中使用AI时常见的一些问题。今天，我们将分别讨论AI使用中的一些注意点，一起来看看吧！

分析语境把握细微差别

举一个简单的例子：

“While the researcher introduced the participants the sample images appeared one by one on the screen.”

这句话单独拿出来看，由于缺乏语境而且没有标点，容易产生歧义，进而误导读者。

如果断句在images后面，则意思是：“当研究人员向参与者介绍样本图片时，一张张图片出现在屏幕上。”

“While the researcher introduced the participants to the sample images, the latter appeared one by one on the screen.”

如果断句在participants后面，则意思是：“当研究人员介绍参与者时，一张张样本图片出现在屏幕上。”

“While the researcher introduced the participants, the sample images appeared one by one on the screen.”

究竟要怎么断句才能准确反映出写作者的本意，这需要审核者英文达到母语程度，并具备扎实的学术写作经验。而AI的训练样本往往来源广泛，而非针对特定学科学术写作的特别积累。在充分理解上下文语境的基础上，才能对不同表达的细微差别有清晰的判断。另外，用词的精准度往往会影响研究结果的表达效果，严谨的表达可以帮助避免结论被夸大或淡化。

因此，AI润色后，文章需要人工的逐句二次检查，结合上下文语境理解与判断，将专业且复杂的概念言简意赅地呈现出来。

保持敏感度避免用词失误

AI基于大数据进行学习，而大量训练材料往往并没有经过严格全面的人工检查。因此，AI在涉及性别、种族和文化等方面的内容上可能会有存在偏见²⁻³或不恰当的表达。为了避免这种失误，论文仍需通过人工仔细审核甄别，以避免在文化等方面的错误表述。

充分披露严守学术伦理

近来，存在部分媒体利用AI生成新闻⁴，并在发布后被质疑剽窃的情况。对于严肃、严格的学术写作来说，对AI的使用则应更为谨慎。学术论文对独创性尤为重视，如果缺乏原创的见解，则很有可能增加拒稿几率⁵。然而，现阶段AI较难全部识别出剽窃或侵犯版权的部分，因而有可能产出存在错误或容易误导读者的内容。

同时，作者们也需要了解到，未发表的论文上传到AI进行润色时，有可能成为训练语料的一部分。因此，使用AI进行文章修改或翻译前需要审慎的考虑。

作者在使用AI帮助论文写作的时候，除了需要对文章内容和遣词造句进行把控之外，还应注意充分、正确地披露和声明AI使用的情况。另外，由于AI无法对论文中的错误负责，作者对文章负有全部责任⁶，因而人工审阅十分重要，必不可少。

近年来，AI技术变得越来越先进，应用场景也越发多样。但在学术出版领域，利用AI修改论文需要作者审慎判断和认真审阅。您也可以考虑使用专业的语言润色服务，帮助您有效规避AI修改可能带来的风险。

文不厌改。精准出彩的表达需要深厚的专业知识沉淀、丰富的实践经验积累和细致入微的洞察力，爱思唯尔语言服务的编辑团队拥有覆盖100+学科的扎实背景，以顶刊标准提升您的每一篇科研成果，更有专属质量保障，助力您的成功发表！

此外更有好消息！全新升级的爱思唯尔语言服务官网现已上线，更友好的界面和更直观的视觉呈现，给您带来至臻体验，快来体验吧！

字数 Standard

最终价格:

Follow this link if your manuscript is longer than 12,000 words.

上传

参考文献

Chen, B. X. (2023, February 1). A.I. bots can’t report this column. but they can improve it. The New York Times. https://www.nytimes.com/2023/02/01/technology/personaltech/chatgpt-ai-bots-editing.html

Liu, R., Jia, C., Wei, J., Xu, G., & Vosoughi, S. (2022). Quantifying and alleviating political bias in language models. Artificial Intelligence, 304, 103654. https://doi.org/10.1016/j.artint.2021.103654