科学质量筛选器已显露出超载迹象
同行评审处于现代科学出版的核心。在论文正式发表之前，通常会请外部专家评估其方法、推理和结论是否可靠。这个过程并不完美、速度缓慢，而且常常令人沮丧，但它仍然是科学用来筛除错误、传递可信度的主要机制之一。
如今，这一机制正明显承压。Ars Technica的一份新报告描述了一个出版体系：在努力应对投稿量急剧上升的同时，还要依赖在职研究人员大量无偿提供的志愿劳动，而这一上升趋势还包括AI辅助撰写的稿件。结果不仅仅是周转时间变长。在某些情况下，审稿质量似乎更差、审查更薄弱，编辑决定所依据的专家意见也比系统原本应提供的更少。
当一个审稿人变成整道关口
文章从健康经济学家Jason Semprini的经历写起。他提交了一篇研究，考察要求小学生接种人乳头瘤病毒疫苗的政策。根据报告，他的研究并不是质疑HPV疫苗是否能预防宫颈癌，而是分析强制接种政策是否能把接种率提高到足以改变人口层面宫颈癌总体发病率的程度。
这一区别很重要，而审稿人显然漏掉了。报道指出，这篇稿件被当作是在质疑疫苗的临床价值，而不是在分析用于提高接种率的政策工具。如果审稿流程更健全，多个审稿人或许能平衡或纠正这种误解。但在这个案例中只有一位审稿人，结果论文被拒。
这个轶事之所以有用，是因为它抓住了结构性问题。同行评审一直容易受到偏见、疏忽和简单人为错误的影响。当系统过载时，这些错误就不太可能通过冗余机制被发现。如果编辑无法招募到足够合格的审稿人，一次仓促或误解的阅读就可能成为决定性因素。
建立在无偿专业知识上的系统正在碰到规模上限
报告指出了这种压力背后的更大数字。根据原文，Scopus和Web of Science收录的论文数量正以每年5.6%的速度指数增长。单看这个数字似乎还可管理，但学术审稿体系不会自动同步扩张。每一篇新论文都需要编辑、审稿人、修改以及反复的注意力投入。
文中引用的一项估算认为，全球用于同行评审的劳动每年合计达到15,000个工作年。如果这项工作是有报酬的，仅美国所承担部分的隐含成本就会高达15亿美元。然而，这其中大部分并未获得报酬。它是由研究人员捐出的，往往还是匿名的，而他们本就要同时应付自己的实验、教学、经费申请、行政事务和发表压力。
这种不匹配带来了显而易见的后果。编辑很难找到愿意接受邀请的审稿人。合格研究者拒绝邀请的次数更多。愿意接受的人也可能已经超负荷。随着审稿人池子缩小，期刊可能只能接受更少的审稿意见，或者让稿件与审稿人的专业匹配度不那么理想。
这些调整并不一定会立刻摧毁同行评审的价值。但它们都会降低其可靠性。科学出版依赖的不只是“有没有审稿”，还在于审稿是否足够细致、知情且独立，能够在发表前发现问题，或者避免因错误原因拒稿。
为什么AI即使不是全部原因，也会增加压力
文章把当前压力的一部分归因于AI时代，这一点很重要。AI工具可以降低撰写、修改和重新包装论文的门槛。这并不会自动让底层科学变差，但会增加进入期刊的投稿量。如果写作和排版变得更容易，瓶颈就会向后转移到评估环节。
从这个意义上说，AI可能放大了一个早已在形成的问题。多年来，各学科的研究产出一直在增长。然而，审稿系统仍然依赖稀缺且难以扩容的专家注意力。即便AI辅助论文并不天然更差，它们也会促成这样一个世界：论文产出速度快到超过高质量审稿的能力。
最直接的危险并不是每一篇AI辅助论文都有问题，而是审稿带宽会变成决定哪些主张能获得认真审查的限制性资源。一个饱和的系统更容易出现表面化审稿、方法误读、标准不一致，以及依赖过少眼光的发表决定。
科学所面临的风险
同行评审从来都不能保证真理，批评者也早已指出其盲点。但一个被削弱的审稿体系，会给科学和公众都带来更棘手的问题。如果期刊无法稳定招募多位有能力的审稿人，那么它们作为质量筛选器的角色，就会在研究产出加速的当下变得不那么可靠。
这不仅关乎学术界。政策制定者、医生、投资者和公众经常把期刊发表当作合法性的替代信号。如果通向发表的流程变得更薄弱，这种信号就会更嘈杂。同时，有价值的研究也可能因可避免的原因而延迟或被拒，就像Ars Technica强调的案例那样。
报告没有给出简单答案，这本身就很说明问题。工作负荷问题是结构性的。科学希望更多产出，期刊希望及时发表，研究人员需要职业晋升，而AI让文字生产更容易。但系统最关键的质量控制环节，仍然依赖无法无限扩张的专家志愿劳动。
这场争论的下一阶段，很可能会集中在同行评审是否需要重新设计、付费、分流，或获得新的技术支持。就目前而言，警告很简单：支撑科学可信度的审稿机制正承受真实压力，而AI时代让这种压力更难被忽视。
- 同行评审越来越像是在每篇论文配更少的审稿人完成。
- 根据报告，出版数据库正以每年5.6%的速度增长。
- 志愿审稿人合计贡献了数量巨大的无偿劳动。
- AI辅助起草可能加速投稿量，即便科学本身的质量参差不齐。
- 主要风险不是发表变慢，而是审查变浅。
本文基于Ars Technica的报道。阅读原文。
Originally published on arstechnica.com