在当下的科学和教育领域，几乎很难绕开人工智能（AI）这个话题。

无论是讨论能否用大语言模型来检索文献，还是让它参与论文写作和同行评议。一些极端的说法甚至认为，随着时间推移，科研实验、研究实施以及成果发表中的“人”会被逐步挤出整个流程。

面对这些夸张的论调，《Science》的态度一直很克制：保持冷静，继续做好一份经得起时间考验、由人类把关的学术文献。

目前，《Science》的最新政策允许在部分环节使用大语言模型而无需特别说明，比如用于润色论文语言、提升表达清晰度，或辅助整理参考文献。

但如果AI被用于更深层的工作，例如直接参与论文正文的撰写，就必须如实申报。

同时，期刊明确禁止使用AI生成图像。所有作者都必须对论文的全部内容负责，包括那些在AI辅助下完成的部分。

事实上，期刊已选择性使用部分AI工具。过去一年里，Science与DataSeer合作，检查论文是否遵守“必须共享原始数据和代码”的政策。

初步结果令人鼓舞：在2021—2024年发表的2680篇论文中，有69%实现了数据共享。为了进一步提升透明度，期刊正在将DataSeer的可重复性清单纳入正式流程。

这一清单在2025年的试点项目中进行了测试，其运作方式是：借助自然语言处理技术扫描论文，自动生成一份预填的可重复性检查表，再由作者确认并根据需要进行修改。

换句话说，AI让问题暴露得更充分，却依然需要人来判断这些问题的性质和后果。

关于AI是否会大规模取代工作岗位，或许将来会有定论，但作者本人仍持怀疑态度。

相比“岗位被取代”，更值得警惕的是：AI介入论文写作或评审，可能会削弱科学文献的可靠性。

对学术不端和文献污染的持续警惕，已经成为科学及科学出版不断追求真理的一部分。

在当下这个环境中，由多位研究人员参与判断、经过严格编辑的论文，以及在发现错误时及时撤稿和更正，比以往任何时候都更重要。

大约15年前，高等教育也曾被认为岌岌可危，当时有人预言，大规模在线课程（MOOCs）将让大学走向消亡。

事实证明并非如此：在线课程确实成为教育体系的重要组成部分，但它们并没有让大学萎缩，反而帮助大学扩展了规模。

学术期刊向线上出版转型，也带来了类似的结果：学术出版的体量和影响力都随之扩大。因此，对于那些关于AI将如何彻底改变科学文献生态的夸张说法，仍有必要保持审慎，等待事实验证。

和许多工具一样，如果使用得当，AI可以帮助科研共同体做得更多、更好。关键在于，科研界需要保持清醒，避免被一波又一波的AI热潮牵着走。