有圖無(wú)真相

在打擊學(xué)術(shù)造假的征途上，學(xué)術(shù)規(guī)范機(jī)構(gòu)又下一城。

來(lái)自美國(guó)紐約雪城大學(xué)(Syracuse University)的機(jī)器學(xué)習(xí)研究員丹尼爾?阿庫(kù)納(Daniel Acuna)等在2018年開(kāi)發(fā)出一套算法，能利用人工智能(AI)識(shí)別學(xué)術(shù)論文中的圖像造假，對(duì)論文圖片進(jìn)行查重。

他們分析了生命科學(xué)領(lǐng)域來(lái)自4324本期刊的76萬(wàn)篇開(kāi)放獲取(Open Access)論文，并從中提出有效的263萬(wàn)張圖片。其中，約有9%的圖像存在高度重復(fù)。該團(tuán)隊(duì)又在其中選取了約4000張可疑圖片進(jìn)行人工核查。經(jīng)測(cè)算，在所有論文中，約1.5%存在學(xué)術(shù)不端的嫌疑，0.6%確認(rèn)存在圖像方面的論文造假。

在學(xué)術(shù)造假上，圖片是藏污納垢的死角。《科學(xué)》(Science)雜志和《撤稿觀(guān)察》(Retraction Watch)2018年發(fā)布報(bào)告稱(chēng)，在過(guò)去10年里，學(xué)術(shù)期刊撤回的論文數(shù)量增加了10倍。這些論文中，約有1.7%是因?yàn)榇鄹牧苏撐膱D像被撤回。

美國(guó)賓夕法尼亞大學(xué)生物工程副教授阿榮?拉杰(Arjun Raj)早在2012年就指出，一篇生命科學(xué)領(lǐng)域的研究論文背后的科學(xué)成本約為30萬(wàn)-50萬(wàn)美元。2012年全年，美國(guó)研究人員共發(fā)表該領(lǐng)域論文15.2萬(wàn)篇。如果其中1.7%因圖片造假需要被撤回，則僅在2012年，因此造成的損失就接近10億美元。

根據(jù)出版機(jī)構(gòu)的統(tǒng)計(jì)，全球科學(xué)產(chǎn)量每9年就會(huì)翻番。

過(guò)去，圖片審核工作往往要靠人力完成，幾乎沒(méi)有自動(dòng)化的流程。《自然》(Nature)雜志會(huì)對(duì)收到的稿件隨機(jī)抽樣進(jìn)行檢查，并要求作者提供未編輯的圖像作參考；生命科學(xué)領(lǐng)域的重要刊物《細(xì)胞生物學(xué)雜志》(Journal of Cell Biology)和《歐洲分子生物學(xué)組織雜志》(The EMBO Journal)會(huì)對(duì)圖片進(jìn)行手動(dòng)查重。

2018年6月，來(lái)自斯坦福大學(xué)的微生物學(xué)家分析了2009-2016年發(fā)表在《分子與細(xì)胞生物學(xué)》(Molecular and Cellular Biology)上的960篇論文，發(fā)現(xiàn)其中59篇含有“不適當(dāng)?shù)摹敝貜?fù)圖像，約有2%值得再去進(jìn)行圖像證偽。他們將情況反映給出版機(jī)構(gòu)后，42篇論文更正了圖片，5篇被撤稿。

圖片查重費(fèi)時(shí)費(fèi)力，以至于多數(shù)刊物都沒(méi)有這項(xiàng)流程?！稓W洲分子生物學(xué)組織雜志》主編表示，人工篩選非常耗時(shí)，早就應(yīng)該有一個(gè)常規(guī)的、自動(dòng)化的工具簡(jiǎn)化這一過(guò)程。

美國(guó)誠(chéng)信研究辦公室(the United States Office of Research Integrity, 簡(jiǎn)稱(chēng)ORI)的數(shù)據(jù)顯示，圖片造假的情況一直在惡化，標(biāo)志性的兩個(gè)時(shí)間是1990年和1996年，Photoshop的Mac版和PC版在這兩年發(fā)布。

但即使是ORI，每年也僅報(bào)告了10例圖片造假的行為。因?yàn)槌杀具^(guò)高，他們不會(huì)主動(dòng)審查學(xué)術(shù)不端，僅在有舉報(bào)的情況下進(jìn)行。

自誕生起，學(xué)術(shù)論文就承擔(dān)著描述科研成果、進(jìn)行學(xué)術(shù)交流的重任。它還被用來(lái)衡量學(xué)者的學(xué)術(shù)水平，是評(píng)定職稱(chēng)、獲取科研經(jīng)費(fèi)等環(huán)節(jié)中考察的重要的內(nèi)容。因此，判斷一篇學(xué)術(shù)論文是否由抄襲、造假得來(lái)至關(guān)重要。

在計(jì)算機(jī)技術(shù)不夠發(fā)達(dá)、數(shù)據(jù)庫(kù)尚未開(kāi)放共享的時(shí)代，識(shí)別學(xué)術(shù)不端不得不依靠評(píng)審編輯慧眼如炬。在中國(guó)，論文文字查重體系一直到2005年前后才建立。后來(lái)，人們又不斷優(yōu)化這個(gè)系統(tǒng)，從能識(shí)別“復(fù)制粘貼型”抄襲，到能識(shí)別改變用詞和句法的抄襲，但圖片重復(fù)一直是論文查重的死角。

道高一尺，魔高一丈，心懷不軌的研究人員已經(jīng)學(xué)會(huì)了應(yīng)付能識(shí)別文字抄襲的系統(tǒng)。在生命科學(xué)等依賴(lài)圖像實(shí)物的研究領(lǐng)域，圖片造假的難度和成本會(huì)更高。

2014年轟動(dòng)學(xué)術(shù)圈的小保方晴子學(xué)術(shù)造假丑聞中，她的團(tuán)隊(duì)被發(fā)現(xiàn)使用了小保方晴子博士學(xué)位論文中的圖片，用來(lái)證明新的發(fā)現(xiàn)。更多時(shí)候，造假來(lái)得更隱秘，研究人員用旋轉(zhuǎn)、裁剪、調(diào)整大小和對(duì)比度的方式調(diào)整圖片。它們常常難以被察覺(jué)，直到前赴后繼的科研人員發(fā)現(xiàn)研究成果無(wú)法復(fù)現(xiàn)。此時(shí)，大量的人力和資金成本都被浪費(fèi)了。

如何解決這個(gè)問(wèn)題，仍然是擺在我們面前的一座大山。即使是丹尼爾?阿庫(kù)納等人開(kāi)發(fā)出的算法，也面臨很大的困難。在每一個(gè)領(lǐng)域，我們需要專(zhuān)業(yè)人士進(jìn)行足夠數(shù)量的前期人工標(biāo)注。

這套算法的運(yùn)算速度也有限，目前只能考察作者自己發(fā)表的諸多論文中是否存在重復(fù)，尚無(wú)法應(yīng)對(duì)以?xún)|為單位的出版文獻(xiàn)庫(kù)。出版巨頭愛(ài)思唯爾(Elsevier)誠(chéng)信部門(mén)主管也表示，出版商需要?jiǎng)?chuàng)建一個(gè)共享的數(shù)據(jù)庫(kù)，以便進(jìn)行相關(guān)檢索，查實(shí)論文圖片重復(fù)使用的情況。

我們似乎無(wú)法阻止“魔”的存在，只能努力讓“道”高得快一點(diǎn)(王嘉興)。