刘耀文表示，以往一些学术造假事件被发现，往往是因为论文出现低级错误，例如多篇文章使用同一张图、数据单位出错，又或是数据存在人为痕迹（如66.7是100的2/3，可能人为编造），而不是因为其他研究者尝试复现实验。其背后，学术界重视个人声誉，对学术权威一般不予质疑，复现实验也需要成本，生物医学领域复现实验的成本就非常高。即便复现实验，一些研究领域也存在很大变量空间，就像“9点取的样本和10点取的样本不同”，研究者可能很难确认无法复现实验的原因，特别是在一些起步比较晚、缺少公理的研究领域。

　　刘耀文表示，学术造假后果可以参考“心肌干细胞”论文造假事件。2018年，哈佛大学医学院教授、心肌再生领域开创者皮耶罗·安韦萨被发现有31篇学术论文造假，几乎使整个研究领域遭受毁灭性打击。

　　刘耀文担心的是，有了AI技术后，论文作者可能会用AI生成看上去更专业、更真实的数据，例如数据更加随机，数据造假更难被发现。如果用AI生成实验图，看上去也更真实，实验图造假可能导致实验结果出错。他认为，个人研究者很难辨别他人的论文是否造假，一个原因是很多学术论文库不开源，难以找到足够的论文比对判断。

　　2023年，查尔斯特大学教授Geoffrey M. Currie也在一篇论文中指出Al伪造的监测难点。他表示，“深度伪造”或带来图像虚构，比如生成对抗网络GAN可以去除噪点使医学图像更清晰，但也可能被用于生成高仿真的医学图像。此外，AI生成的文本可能会通过“扭曲短语(Tortured phrases)”的方式绕过抄袭软件的监测，AI可能会修改某些文本导致文本变味。

　　学术期刊如何规定AI技术使用？