AI 讓論文造假變得更快，也讓抓假第一次變得可能：2026 研究誠信的攻防現場

一位在台北某醫學中心做基礎研究的博士後，去年把一篇論文投給國際期刊。審查意見回來時，除了慣例的三位審查人意見之外，多了一行他從沒見過的話：

「本刊已使用圖像鑑識工具檢查您所提供的圖檔，Figure 3B 與 Figure 5A 有高度重疊區域，請提供原始檔案並說明。」

他花了整個週末翻硬碟。最後找到原因：那是他自己貼錯圖——同一組實驗的兩個時間點，他在排版時把同一張圖用了兩次。沒有造假意圖，但那個週末他確實嚇出一身冷汗。

如果是三年前，這個錯誤大概不會被發現。而現在，它在稿件進入審查之前就被機器抓到了。

事件背景

過去十年，學術界對造假的處理方式基本上是「被檢舉才調查」。這套機制的問題很明顯：它依賴有人願意花時間去質疑一篇已發表的論文，而這件事在學術界的政治成本極高。

兩件事同時改變了現況。

第一是規模失控。依 Retraction Watch 的資料庫，累計已收錄超過 6.3 萬篇撤稿論文；2023 年全球撤稿數首度突破 1 萬篇，創下歷史紀錄。其中最具象徵意義的案例是出版社 Hindawi——依 Retraction Watch 2023 年 12 月的報導，該社撤下超過 8,000 篇與紙廠（paper mill）相關的論文，這個數字大到讓整個出版產業無法再假裝問題不存在。

第二是生成式 AI。過去要偽造一張看起來合理的西方墨點法圖片，需要一定的技術與時間；現在生成模型讓這件事的成本趨近於零，文字部分更是如此。有研究誠信領域的專家對這個變化下了一個很傳神的比喻：發表壓力是引火物、紙廠是汽油，AI 是助燃劑。

但同一件技術也給了守門方新武器。這是 2026 年最值得注意的變化——攻防雙方第一次都拿到了自動化工具。

本次重點

• 撤稿的主因已經改變。依產業界對 2025 年撤稿資料的分析，主要原因集中在三類：同儕審查流程被破壞或紙廠介入、引用操縱與引用集團、以及圖像與資料操弄。純粹的文字抄襲已不再是主角。
• 紙廠在生醫領域的占比驚人。有分析指出，2016 至 2025 年間健康科學與基礎生命科學的撤稿中，約有兩成與紙廠活動有關。
• 出版倫理規範跟著更新。依 Retraction Watch 2025 年 9 月報導，出版倫理委員會（COPE）更新了原本 2019 年的撤稿指引，明確納入紙廠與第三方介入的處理方式，理由之一正是撤稿數量上升與處理速度太慢。
• 圖像鑑識工具進入主流出版流程。Proofig 官網揭露的效能數字包含偵測精確率 99.4%、西方墨點法真陽性 97.68%、顯微影像真陽性 95.41%，比對庫達 1.55 億張 PubMed 圖片。ImageTwin 官網則稱比對庫超過 1.6 億張已發表圖片，並能標示 AI 生成圖片的模型歸屬，使用方包含 Springer Nature、Elsevier、Taylor & Francis 三大出版集團。
• 偵測方法從比對轉向網路分析。紙廠的特徵不在單篇稿件，而在作者、審查者、引用之間不自然的關聯——這個思路借自銀行的詐欺偵測。

市場影響分析

對台灣使用者（研究者與研究生）

最直接的改變是：你的稿件在進入人類審查之前，已經被機器看過一遍了。

這件事對誠實的研究者其實是好消息，但有個前提——你的檔案管理要撐得住檢驗。我在台灣的實驗室看過太多這種狀況：一個共用資料夾傳了三屆學生，原始的 raw 檔早就在某次搬遷中遺失，論文裡的圖只剩下已經裁切、調過對比的版本。這種情況下，期刊要你「提供原始檔案」，你就麻煩了。

所以第一個具體行動不是買工具，是把原始檔的管理制度建起來：每張進論文的圖，都要能追回到原始儀器輸出檔，並且標明日期、樣本編號與處理步驟。

第二個行動是投稿前自檢。這件事的投報率極高——花幾百塊台幣或幾小時掃一遍，換掉一次可能的撤稿風險。關於具體怎麼做，站上有一篇專門的實戰指南可以參考。

對企業應用（大學、醫院與出版社）

對機構來說，這已經不是要不要做的問題，是遲早會被要求做的問題。

台灣的大學與醫學中心目前的普遍做法是：有人檢舉才啟動調查委員會。這套機制在新環境下有兩個缺口——第一是沒有事前篩檢，問題稿件會一路發表出去；第二是調查時缺乏技術能力，委員多半靠肉眼判斷圖片，這在剪接手法越來越細緻的時候很不夠。

現實的成本比較是這樣：機構自己在校內攔下一篇有問題的稿件，代價是一場師生對話；等期刊撤稿，代價是新聞、機構聲譽與國科會的處分程序。

至於服務端的選擇，除了單點工具之外也有整合型服務商，例如 CACTUS 學術傳播 把誠信篩檢、編輯流程與同儕審查支援包在一起——但採購時要把「哪些是軟體、哪些是人工服務」的界線問清楚，這兩件事的交期與品質變異完全不同。

對開發者

這個領域對開發者有兩塊明確的機會，也有一塊明確的責任。

機會之一是中文語境的工具。目前的紙廠偵測與文字誠信工具幾乎全部針對英文，而台灣的碩博士論文、國內期刊、學位論文審查有大量中文內容。中文的抄襲比對、代寫痕跡偵測，本地資料庫是必要的基礎。

機會之二是機構端的流程系統。工具本身不缺，缺的是把工具接進大學既有的論文管理與投稿流程，並產生可稽核的紀錄。這是很典型的整合型需求。

責任是誤判成本。這類系統的輸出會影響一個人的職涯，所以「可解釋性」不是加分項而是必要條件——你必須能告訴使用者「為什麼系統認為這兩張圖有問題」，並且保留人工複核的環節。做這行的人如果沒有這個意識，蓋出來的系統會傷人。

未來發展趨勢

短期內我預期三件事。

偵測與生成的追趕會持續，而且守方永遠慢一步。 AI 生圖的偵測本質上是在找特定模型的統計指紋，新模型出來就要重新訓練。所以任何「我們能抓出 AI 生圖」的宣稱，都有一個隱含的時間戳記。

責任會往前移到機構。 出版社已經在做篩檢，下一步合理的發展是把要求推給投稿機構——你的大學有沒有事前檢查機制，會影響你的稿件被怎麼看待。這件事在台灣還沒發生，但方向很清楚。

評鑑制度的討論會被逼出來。 說穿了，紙廠之所以有市場，是因為有人需要「數量」。只要升等與評鑑的核心指標是論文篇數與引用次數，需求就不會消失。工具能抓假，但抓不掉造假的動機。這是制度問題，不是技術問題。順帶一提，Scite 這類分析引用脈絡的工具其實正在從另一個方向挑戰同一件事——如果一千次引用裡有三百次是在反駁你，那個數字代表什麼？

TheAI學院 總結與評語

我對這個題目的態度是謹慎的樂觀。技術第一次讓「主動篩檢」在成本上變得可行，這是好事；但同一批技術也讓造假變得更廉價，而且守方的偵測能力有明確的失效期限。

評語：研究誠信工具最有價值的用法不是拿來抓人，是投稿前自己先掃一輪——因為多數問題圖出於檔案管理鬆散而非惡意，而事前發現的成本只是事後的百分之一。

給台灣讀者的具體建議有三個層次。研究者個人：從今天起把原始圖檔的管理制度建起來，每張圖都要追得回原始輸出，這件事不用花錢，但三年後救得了你。實驗室主持人：把投稿前的圖片自檢納入標準流程，讓學生知道這不是不信任，是保護大家。機構層級：研究處與研究倫理委員會該開始評估事前篩檢的可行性，並且培養看得懂鑑識報告的人——買了工具沒人會判讀，比沒買更危險。

最後一句提醒：所有這類工具給的都是「疑似訊號」而非結論。把軟體報告當定罪依據，是這個領域最容易犯、也最傷人的錯。

資料來源

• 國家科學及技術委員會學術倫理案件處理及審議要點（法規資料庫，民國 115 年 2 月 6 日修正）
• Retraction Watch：Hindawi 揭露撤下逾 8,000 篇紙廠論文的流程
• Retraction Watch：COPE 新版撤稿指引納入紙廠與第三方問題

以上依公開資訊與各工具官方網站整理，數據以原始來源與官方公告為準。