有研究者认为，目前还不用太担心AI垃圾影响学术研究。“学术圈一直是优胜劣汰的机制，真正能留下来、被反复引用和讨论的文章不多。AI生成的文章如果没有实质内容，很快就会被淘汰出局。不用太担心AI垃圾充斥论文库或滋生学术不端。” 一名理论物理学博士告诉记者。

　　AI学术造假有多大空间？

　　对学术而言，生成式AI有其高光时刻。

　　2024年诺贝尔物理学奖和化学奖都颁发给了AI领域的科学家，将AI for Science（AI驱动科学研究）的关注度提升到空前的水平。诺奖得主中，既包括用物理学工具开发机器学习基础方法的学者，也包括用AI模型预测蛋白质复杂结构的学者。越来越多科学家考虑用AI辅助科学研究了。

　　一名化学研究者告诉记者，他在紫杉醇生物合成研究中全面应用AI，例如用AI判定实验是否生成紫杉烷类分子。一名数学物理学研究者表示，她也让学生尝试用AI识别少层石墨烯的层厚和转角。

　　研究者们用AI加速科学研究和使用现有AI工具生成论文、进行学术造假，是这个技术的一体两面，但有着本质的区别。

　　例如，要做出像上述能辅助学术研究的AI工具，门槛颇高。从2018年推出可预测蛋白质结构的AlphaFold1到2024年推出AlphaFold3，谷歌DeepMind团队花了近6年时间。记者了解到，要训练出可加速科学研究的AI工具，也需要研究者花费精力获取AI训练所需的数据，这个过程并不容易。