有圖無真相

在打擊學術造假的征途上，學術規范機構又下一城。

來自美國紐約雪城大學(Syracuse University)的機器學習研究員丹尼爾?阿庫納(Daniel Acuna)等在2018年開發出一套算法，能利用人工智能(AI)識別學術論文中的圖像造假，對論文圖片進行查重。

他們分析了生命科學領域來自4324本期刊的76萬篇開放獲取(Open Access)論文，并從中提出有效的263萬張圖片。其中，約有9%的圖像存在高度重復。該團隊又在其中選取了約4000張可疑圖片進行人工核查。經測算，在所有論文中，約1.5%存在學術不端的嫌疑，0.6%確認存在圖像方面的論文造假。

在學術造假上，圖片是藏污納垢的死角。《科學》(Science)雜志和《撤稿觀察》(Retraction Watch)2018年發布報告稱，在過去10年里，學術期刊撤回的論文數量增加了10倍。這些論文中，約有1.7%是因為篡改了論文圖像被撤回。

美國賓夕法尼亞大學生物工程副教授阿榮?拉杰(Arjun Raj)早在2012年就指出，一篇生命科學領域的研究論文背后的科學成本約為30萬-50萬美元。2012年全年，美國研究人員共發表該領域論文15.2萬篇。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。

根據出版機構的統計，全球科學產量每9年就會翻番。

過去，圖片審核工作往往要靠人力完成，幾乎沒有自動化的流程。《自然》(Nature)雜志會對收到的稿件隨機抽樣進行檢查，并要求作者提供未編輯的圖像作參考；生命科學領域的重要刊物《細胞生物學雜志》(Journal of Cell Biology)和《歐洲分子生物學組織雜志》(The EMBO Journal)會對圖片進行手動查重。

2018年6月，來自斯坦福大學的微生物學家分析了2009-2016年發表在《分子與細胞生物學》(Molecular and Cellular Biology)上的960篇論文，發現其中59篇含有“不適當的”重復圖像，約有2%值得再去進行圖像證偽。他們將情況反映給出版機構后，42篇論文更正了圖片，5篇被撤稿。

圖片查重費時費力，以至于多數刊物都沒有這項流程。《歐洲分子生物學組織雜志》主編表示，人工篩選非常耗時，早就應該有一個常規的、自動化的工具簡化這一過程。

美國誠信研究辦公室(the United States Office of Research Integrity, 簡稱ORI)的數據顯示，圖片造假的情況一直在惡化，標志性的兩個時間是1990年和1996年，Photoshop的Mac版和PC版在這兩年發布。

但即使是ORI，每年也僅報告了10例圖片造假的行為。因為成本過高，他們不會主動審查學術不端，僅在有舉報的情況下進行。

自誕生起，學術論文就承擔著描述科研成果、進行學術交流的重任。它還被用來衡量學者的學術水平，是評定職稱、獲取科研經費等環節中考察的重要的內容。因此，判斷一篇學術論文是否由抄襲、造假得來至關重要。

在計算機技術不夠發達、數據庫尚未開放共享的時代，識別學術不端不得不依靠評審編輯慧眼如炬。在中國，論文文字查重體系一直到2005年前后才建立。后來，人們又不斷優化這個系統，從能識別“復制粘貼型”抄襲，到能識別改變用詞和句法的抄襲，但圖片重復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學會了應付能識別文字抄襲的系統。在生命科學等依賴圖像實物的研究領域，圖片造假的難度和成本會更高。

2014年轟動學術圈的小保方晴子學術造假丑聞中，她的團隊被發現使用了小保方晴子博士學位論文中的圖片，用來證明新的發現。更多時候，造假來得更隱秘，研究人員用旋轉、裁剪、調整大小和對比度的方式調整圖片。它們常常難以被察覺，直到前赴后繼的科研人員發現研究成果無法復現。此時，大量的人力和資金成本都被浪費了。

如何解決這個問題，仍然是擺在我們面前的一座大山。即使是丹尼爾?阿庫納等人開發出的算法，也面臨很大的困難。在每一個領域，我們需要專業人士進行足夠數量的前期人工標注。

這套算法的運算速度也有限，目前只能考察作者自己發表的諸多論文中是否存在重復，尚無法應對以億為單位的出版文獻庫。出版巨頭愛思唯爾(Elsevier)誠信部門主管也表示，出版商需要創建一個共享的數據庫，以便進行相關檢索，查實論文圖片重復使用的情況。

我們似乎無法阻止“魔”的存在，只能努力讓“道”高得快一點(王嘉興)。