尊敬的编辑:
Cleland及其同事提供了一份关于在学术出版中披露人工智能(AI)使用情况的实用AMEE指南引文1。随后,Rikers提出,该指南中关于AI是否"实质性塑造"手稿的门槛可能难以实际操作,因为AI可能以仅凭披露无法捕捉的方式影响底层的推理过程引文2。我建议通过将与任务类型并列的认识论影响作为第二维度来将这一担忧具体化。
在实践中,该指南部分依赖于任务类别。语法纠正和文献检索辅助可能是常规性的,无需披露;而生成文本、纠正代码、制作图表或检查分析则被视为实质性任务。然而,该指南中的AI在卫生专业教育研究声明框架(AIHPERD)以"进行初步文献检索"作为示例,说明在需要披露时应如何描述AI辅助活动。这些立场并不矛盾,但它们没有为作者提供明确的依据来判断哪些AI辅助检索跨越了门槛,因为同一任务可能产生截然不同的认识论效果。
文献检索清楚地说明了这一点。一位作者可能使用AI将现有的布尔检索策略转换为数据库语法,然后独立验证检索结果并筛选所有检索到的记录,其认识论影响可能极小。另一位作者可能询问哪些研究最重要、证据显示了什么以及研究空白在哪里。即使AI已经影响了哪些证据被接触、优先考虑以及用于界定问题,每一句文字仍然可能由作者亲自撰写。因此,保留的AI生成文本量并非衡量AI参与程度的理想代理指标。
因此,披露机制可以将AI做了什么与AI改变了什么区分开来。基于任务的报告识别前者;认识论维度则针对后者。相应地,披露框架可以保留基于任务的报告,同时增加一个关于AI是否实质性影响了哪些证据被考虑、如何优先排序或解释,以及得出了什么结论的问题。例如,作者可以披露AI辅助的文献评估影响了哪些证据被优先考虑以及研究空白是如何界定的。
正如Rikers也指出的那样引文2,作者可能并不总能意识到这种对其推理过程的影响。相关的交互记录无法重构认知过程,但可以记录呈现了哪些信息或建议,并为判断认识论影响提供依据。随着AI日益嵌入搜索引擎、参考文献管理工具、统计软件和写作工具中,任务标签可能变得信息量不足。因此,AI是否实质性改变了证据路径,可能为判断何时需要披露提供更为持久的依据。
生成式AI使用说明
在撰写本信过程中使用了ChatGPT(GPT-5.6 Sol,OpenAI),用于评估概念论证、优化措辞、精简篇幅以及为论证框架构建提供思路。作者独立审阅并核实了所引用的来源,对所有关于解释和内容方面的最终决定负责,并对最终手稿承担全部责任。
利益声明
作者未报告任何潜在的利益冲突。


