首页近日，某高校知名教授因AI生成的“辛辣点评”陷入争议。用户要求AI评价其学术表现，系统竟炮制出“学术产业链熟练工”“PPT高校教授”等侮辱性标签，甚至虚构其“参与迪拜项目”的伪事实。这类看似专业的AI评价，实则充斥着“虚构引用”“逻辑混乱”等幻觉问题，不仅误导公众认知，还可能被AI反复学习、放大，形成学术污名化的恶性循环。
AI技术从“逻辑生成”迈入“深度伪造”时代，在为学术评价提供便利的同时，也暴露了技术滥用的风险。测试显示，仅需输入模糊关键词和情绪化指令，AI即可将“论文高产”扭曲为“论文车间主任”，把“持续研究方向”污名化为“焊死舒适圈”。这种“统计学关联替代事实核查”的生成逻辑，本质上是用词频概率缝合偏见，而非基于学术贡献的客观分析。更令人担忧的是，AI因缺乏细分领域的专业知识图谱，误将跨学科研究贬为“碎片化拼贴”，暴露出“外行指导内行”的认知错位。
技术越强大，滥用后果越严峻。正如《人工智能生成合成内容标识办法》所警示，若放任AI评价脱离事实锚点，将动摇学术共同体的根基。
治理AI名人学术评价乱象，需多方共同努力。用户应提供权威信源，减少情绪指令。如上传名人完整的履历、论文数据库，锚定AI的事实基准，减少辛辣点评等算法偏见诱导；企业要建立学术评价专用模型，设立“情绪指令过滤器”，阻断偏见放大链路；政府依据《人工智能生成合成内容标识办法》，求AI标注数据来源及置信度，对虚构表述实施“一票否决”，并联合教育部建立学科评价标准库。
AI技术本应是学术打假的“照妖镜”，而非污名化的“帮凶”。当AI能识别某教授研究中“疏散模拟算法”的创新价值，而非粗暴贴上“产业链”标签时，方显技术向善的真义。正如AI语音侵权案所确立的规则——技术创新必须与伦理红线同行。唯有用户锚定事实、企业强化专业、政策划定边界，才能让AI在学术评价中“仿其智，莫越其界”。（郑州大学 钟文丽）