Human-AI Academic Co-Writing: A Systematic Review of Cognition, Authorship, and Responsibility

几十年来，撰写学术论文一直被理解为一种孤独的人类活动。研究者收集证据，构建论点，并将这些思想转化为句子，承担着思想的全部重量和对最终文字的责任。这一过程不仅仅是产出文本；它更是学者思考复杂问题、测试逻辑并深化对世界理解的根本机制。最近，一个新参与者进入了这个安静的房间：生成式人工智能。这些计算机系统能够产生类人语言，从纠正语法到起草整个段落，甚至建议新的论点。随着这些工具从简单的拼写检查器转变为写作过程中的积极伙伴，一个基本问题出现了：当人类与机器共同创作一篇学术论文时，谁是作者？谁应对思想负责？机器的存在是否改变了人类思考的方式？

一位研究者致力于通过考察人类与人工智能协同写作这一快速增长的研究领域来回答这些问题。他们不仅仅是在询问这项技术是否有效或是否不道德；相反，他们审视了这两个实体如何分担写作劳动的整个图景。通过分析 2al 2023 年至 2026 年间发表的 45 项不同研究，该研究者绘制出了机器在何处介入以及人类必须保持牢固控制的精确图谱。他们发现，这种关系并非简单的创作者更替，而是一种改变了工作本质的复杂分工。至关重要的是，该综述强调，这种分工必须根据具体语境进行不同的理解。在学生写作中，产出文本的过程本身往往就是学习目标；将规划或推理任务委托给人工智能可能会削弱作业旨在培养的技能发展。然而，在面向研究者的学术写作中，主要目标是可靠地生产和传播知识，这使得专业性、验证性和问责制等问题比写作行为本身更为核心。将这两个语境视为等同，可能会忽视在“什么样的人工智能参与才是恰当的”这一问题上的重要差异。

该综述显示，人工智能现在几乎参与了写作的每一个阶段，从最初的思想火花到最后的参考文献检查。在早期阶段，如头脑风暴或创建大纲时，机器通常充当可能性的生成器，为人类提供广泛的选择供其考虑。随着工作的推进到起草和修改阶段，机器可以生成完整的句子、重组段落或润色语言。然而，研究者发现了一个关于责任分配的一致模式。虽然机器可以处理生成文本的繁重工作，但人类作者几乎总是保留着“评判者”的角色。人类是决定保留哪些想法、验证事实是否真实、检查参考文献是否真实，并最终决定最终产品是否可以发表的人。

这种分工带来了明显的益处，但也引入了新的代价。最显而易见的优势是速度。机器生成草稿和改写句子的速度比人类快得多，这有助于作者克服写作障碍并精炼语言。对于那些不是用母语写作的研究者来说，该工具可以成为清晰表达复杂思想的有力辅助。然而，综述表明，这种速度带有隐藏的价格标签。机器生成的文本并不总是准确的；它可能包含虚假的事实、错误的引用，或者听起来很有说服力但缺乏实质内容的论点。因此，在起草阶段节省的时间往往会耗费在随后的严格检查和纠错过程中。研究者指出，如果人类必须花费数小时来验证机器提出的每一个主张，那么更快的草稿并不一定意味着更快的成品。

该研究还强调了关于人类思维如何参与工作的深层张力。当作者利用机器为自己进行思考——例如生成主要论点或构建论文逻辑时——他们面临着“认知卸载”（cognitive offloading）的风险。这是研究者用来描述将脑力劳动移交给计算机的行为所使用的术语。虽然这可以使任务变得更容易，但也可能意味着作者错失了通过写作过程中的挣扎、提炼思想或通过写作发现新联系所带来的思维锻炼。研究者发现，最有效的技术使用方式是人类保持积极参与，将机器作为扩展思维的伙伴，而非取代自身推理的替代品。

或许最重要的发现涉及对“作者身份”的定义。该综述认为，传统的作者身份观念——即写下文字的人即是作者——已不再适用。在这个新时代，写下句子的人可能并不是获得荣誉的人，而获得荣誉的人可能连一个句子都未曾写过。研究者建议，作者身份应由谁提供了智力导向、谁验证了真相以及谁对最终作品负责来定义。他们提出，我们需要从简单地询问“你是否使用了人工智能？”转向开始询问“你做了什么，而机器做了什么？”

这种转变需要学术出版领域一种新型的诚实。仅仅陈述“使用了人工智能”是不足以讲述完整故事的。研究者认为，作者需要更加具体，解释机器处理了哪些环节，以及人类是如何监督这项工作的。这种细致程度对于维护科学的信任至关重要。如果机器生成了论文的一个章节，人类必须能够为其中的每一个字负责，确保其准确且具有意义。如果没有这种清晰的问责界限，研究的完整性将面临风险。

该综述总结道，学术写作的未来取决于人类管理这种伙伴关系的能力如何。这项技术已经存在，并且很可能会成为写作过程的标准组成部分。然而，它的价值不在于它能完成多少工作，而在于它能在多大程度上支持人类思维而不取代人类。研究者强调，目标不是禁止机器，而是确保人类仍然是那艘船的船长，掌舵方向，检查地图，并对目的地负责。随着人类与机器写作之间的界限变得模糊，学者最重要的技能将是能够准确知晓：他们贡献了什么，机器贡献了什么，以及如何确保最终的作品仍然是人类理解与诚信的真实体现。