Table of Contents
2023 年《ACS Nano》47 位科學家提出的 AI 學術寫作四法則，三年後哪些成真、哪些過時？本文整合 ICMJE 2026 更新版揭露規定、偵測器對非母語者的系統性偏誤，並提供 AI 使用分級表與中英文揭露聲明範本。
本文架構
§ 01這篇社論為什麼值得重讀？
2022 年底 ChatGPT 問世後，全球學術界陷入一種奇特的集體狀態：一邊偷偷使用，一邊公開批判。
2023 年 3 月 14 日，《ACS Nano》主編 Jillian M. Buriak 聯合 46 位來自各國的科學家與編輯委員，發表了社論〈Best Practices for Using AI When Writing Scientific Manuscripts〉（ACS Nano 2023, 17, 4091–4093）。這是最早、也最具影響力的跨國學術共識文件之一。
有一個細節，多數中文轉述都漏掉了，但它其實是理解整篇社論的鑰匙：作者群明白寫道，即使在這 47 位署名者之間，意見也存在分歧，這篇社論呈現的是「中間地帶的共識」（middle ground consensus）。
這句話很重要。它意味著這份指引不是一份戒律，而是一群立場不同的人願意共同站上的最低標準。今天你我在實驗室或醫院裡對 AI 的態度差異，早在 2023 年就已存在於這 47 個人之中。
§ 02先看數據：三年後，戰場已經改變
社論發表時，大家爭論的是「科學家會不會用 AI 寫論文」。這個問題已經沒有討論價值了——答案是：幾乎所有人都在用。
- Kobak 等人（Science Advances, 2025）分析 2010–2024 年 PubMed 上超過 1,500 萬篇摘要，以「超額詞彙」（excess vocabulary）估算：2024 年至少 13.5% 的生醫摘要經過 LLM 處理，某些次族群（特定國家、期刊、學門）高達 40%。
- 同團隊 2026 年的後續分析（預印本）將方法延伸到 PubMed Central 全文，估計到 2025 年底約 89% 的開放取用生醫論文帶有 LLM 相關詞彙的超額使用；其中 Discussion 段落使用 LLM 的比例（約 68%）是 Methods 段落（約 32%）的兩倍。
這兩個數字要小心解讀：「帶有 AI 痕跡」不等於「由 AI 代筆」，語言潤飾也會留下同樣的指紋，而 89% 這個上緣估計尚未經同儕審查。但趨勢的方向沒有爭議。
社論裡那句「請謹慎使用」，已經從一個規範性的呼籲，變成一個描述性的事實查核問題——你的同儕都在用，問題只剩下用得負不負責任。
§ 03AI 助攻的黃金時刻
社論肯定的四項強項，放在 2026 年依然成立，但可以說得更具體。
1. 突破「啟動障礙」（breaking mental log jams）
面對空白文件寫不出第一句話，是所有寫作者的共同經驗。有一段初步文本作為起點，能有效降低啟動成本。
門診結束後只剩 40 分鐘可以動筆，與其花 30 分鐘凝視游標，不如讓 AI 先把你口述的三個想法排成一個粗糙的段落骨架——你要修改的東西越糟糕，你的批判力反而啟動得越快。
2. 優化標題、摘要與結論
AI 對於「同一個意思換十種說法」有結構性優勢，也能依目標期刊的 Scope 調整措辭密度。
與其問「幫我改寫摘要」，不如給它目標期刊近三年五篇同類論文的摘要作為風格樣本，再要求它指出你的摘要在結構完整度上缺了哪一塊（背景／缺口／方法／主要結果數字／臨床意涵）。要它做「檢查」比要它做「代筆」有價值得多。
3. 為非英語母語學者「撫平起跑線」
這是社論中對我們最有感的一點：語言能力不應成為科學貢獻的門檻。但這一點在 2026 年出現了一個殘酷的反轉，我們留到第五節細談。
4. 架構指引與跨領域知識入門
把複雜課題拆解成較小區塊、提供寫作架構的鷹架，以及以結構化方式快速補足非本行的背景知識——這是 AI 最不容易出錯、CP 值也最高的用法。
腎臟科醫師要寫一篇涉及健康經濟學或作業研究方法的論文時，用 AI 快速建立該領域的「詞彙地圖」與「經典文獻清單雛形」，再以人工逐一查證，可以省下大量的迷路時間。
§ 04四個致命傷，以及三年後的驗證
1.「巨型自動接龍機」——以及社論自己的預言
社論用了一個著名的比喻：ChatGPT 目前只是「a giant autocomplete machine」。
但幾乎所有中文轉述都停在這裡，漏掉了下一句——作者群同時預言：ChatGPT 只是眾多模型中的第一個，未來幾年回頭看它，會像看 1980 年代的老電腦一樣。
這個自我設限非常誠實，也讓這篇社論比多數同期評論更耐讀。三年後我們必須誠實回答：「自動接龍」這個描述，今天還準確嗎？
答案是：作為對底層機制的描述，它依然大致正確；但作為對能力上限的推論，它已經失效。當代模型能進行多步推理、能檢索即時文獻、能執行程式碼驗證統計結果。用 2023 年的能力假設來制定 2026 年的使用政策，本身就是一種錯誤。
這正是重讀這篇社論最大的價值：它教我們的不是結論，而是一種「隨能力演進而重新校準規範」的紀律。
2. 缺乏真正的洞察，導致「罐頭式研究」
社論擔心 AI 擅長反芻既有的常規智慧（regurgitating conventional wisdom），卻無法識別或生成突破性結果，最終導致大量千篇一律的 cookie-cutter 研究，降低顛覆性科學突破的機率。
三年後，這個擔憂有了更精確的名字：同質化（homogenization）。這不只是文字風格的趨同，更值得警惕的是問題意識的趨同——當所有人都用同一批模型來「腦力激盪下一步研究方向」，模型分佈的高峰區就會變成整個領域的研究熱區，而分佈尾端那些古怪的、當下看起來不合理的、真正有可能改變典範的問題，會系統性地被冷落。
把 AI 用在收斂（整理、檢查、潤飾）遠比用在發散（想題目、找方向）安全。你的臨床直覺、你在病房裡看到的那個「怪怪的」現象，才是你論文中 AI 永遠給不了的部分。
3. 文獻幻覺：從「明目張膽」變成「難以察覺」
2023 年的幻覺很好抓——AI 憑空捏造不存在的期刊、作者與 DOI，你一查 PubMed 就穿幫。2026 年的幻覺危險得多。有了檢索增強之後，模型引用的文獻真的存在，但可能出現語意漂移、強度誤植與年代錯置。
這比 2023 年更危險，因為它通過了「這篇文獻存在嗎」的檢查，卻通不過「這篇文獻真的說了這句話嗎」的檢查——而後者需要你真的把原文讀完。
4. 剝奪年輕研究者的「轉變性訓練」
撰寫人生第一篇論文，是一次極具轉變性（transformative）的智識鍛鍊。過度依賴 AI，等於剝奪年輕人學習批判性思考、文獻檢索與建立學術自信的機會。
這是社論中最難反駁、也最難執行的一點。因為指導者本身也在用 AI。 一位自己用 AI 潤稿的教授，很難有立場要求學生不用。
不要禁止，而是要求「顯影」。要求學生在投稿前提交一份 AI 使用紀錄（用了什麼工具、在哪個階段、貼上關鍵 prompt），並在 meeting 上口頭說明「哪一段是你自己想的、AI 改了什麼、你為什麼接受或拒絕它的建議」。
訓練的價值不在於他有沒有用工具，而在於他有沒有能力評價工具的輸出。
§ 05「起跑線」的反諷：偵測器誤傷了誰
社論說 AI 能為非英語母語學者撫平起跑線。這句話在 2023 年是善意的，但它有一個致命的盲點——社論同時提到「已有工具可以偵測 AI 生成文本」，卻沒有追問：這些偵測工具準嗎？對誰不準？
更諷刺的是：該研究發現，只要提示 AI 使用更豐富的文學性詞彙，就能輕易繞過偵測。也就是說，偵測器懲罰的不是作弊者，而是英文表達能力受限的誠實作者。
這對台灣的研究者意味著什麼
- 你可能在完全沒有使用 AI 的情況下被誤判。這不是假設，是已被多國研究反覆驗證的系統性偏誤。
- 因此，主動且詳實的揭露反而是你的保護傘。一份清楚的 AI 使用聲明，遠比事後面對一份偵測器報告要有利。
- 保留寫作歷程紀錄有其價值。Google Docs 的版本歷史、Word 的追蹤修訂、你手寫大綱的照片——在爭議發生時，這些是你唯一的證據。
§ 06規範地圖已重畫：2026 年的合規實務
社論當年的四條法則依然是骨幹，但外部規範已經從「呼籲」變成「投稿門檻」。
法則一：AI 不能列為共同作者（已成鐵律）
理由三年來沒有變過，而且已被所有主要機構採納：機器無法為內容的正確性、完整性與原創性承擔責任，因此不符合作者資格。ICMJE、COPE、Elsevier、Springer Nature、Wiley、ACM、IEEE 相關學會的立場完全一致。
延伸的一點很多人不知道：AI 也不能被列在參考文獻中作為資訊來源，因為它不被視為權威的科學資訊來源。
法則二：寫完初稿再讓 AI 介入
一開始就用 AI，容易把你的思維「錨定」（mentally pin）在特定框架裡。社論建議：自己寫完初稿，再用 AI 提供互補觀點，檢查是否遺漏關鍵論點、激發新方向。這條法則今天比 2023 年更重要，理由見第四節的同質化風險。
法則三：誠實揭露（規則已大幅細緻化）
2023 年只要「說明使用了 AI」；2026 年的要求具體得多。以 ICMJE 2026 年 1 月更新版為代表的主流實務是：
| 揭露項目 | 現行要求 |
|---|---|
| 揭露時機 | 投稿時即須揭露 |
| 揭露位置 | 投稿信（cover letter）與正文皆須 |
| 寫作輔助用途 | 通常寫在誌謝（Acknowledgments） |
| 資料蒐集／分析 | 必須寫在方法（Methods） |
| 揭露內容 | 工具名稱、版本、開發者、具體用途與涉及段落 |
| 責任歸屬 | 人類作者對全文負完全責任，須查核所有 AI 產出 |
| 未揭露的後果 | 可能構成學術不當行為（misconduct） |
另有幾點差異值得注意：
- 各家出版社不一致，投稿前必查目標期刊規定。Elsevier 要求揭露聲明放在參考文獻前的獨立段落，並明文禁止 AI 生成圖像；Springer Nature 要求記載於 Methods，同樣禁止 AI 生成影像；Science／AAAS 系統的要求最嚴，可能需要提供工具名稱、版本，甚至提示詞。
- 多數期刊對「純文法與拼字校對」設有豁免。界線在於：修改語言不需揭露，產生內容必須揭露。
- 審稿人使用 AI 是另一個雷區。把未發表的稿件貼進無法保證保密的 AI 平台，可能構成保密義務的違反。ICMJE 已明確提醒編輯與審稿人注意此風險。
法則四：Check, check, check, and check again
社論用了四次「檢查」不是修辭。所有文獻引用、數據論點與生成文字，都必須逐一人工查核。在 2026 年，這句話需要升級為一份分層查核清單：
§ 07一頁式工具：使用分級與揭露範本
為了讓上述規範真正落地，建議研究團隊內部先建立一套共同語言。
AI 使用分級表
| 級別 | 使用方式 | 是否需揭露 | 風險 |
|---|---|---|---|
| L0 | 完全未使用 | 否 | — |
| L1 | 拼字、文法、標點校對 | 多數期刊豁免 | 極低 |
| L2 | 語句潤飾、翻譯、風格調整（不改變論點） | 建議揭露 | 低 |
| L3 | 結構建議、摘要重組、產生候選文字後由人重寫 | 必須揭露 | 中：錨定與同質化 |
| L4 | 由 AI 生成論述段落、文獻回顧或討論 | 必須揭露並逐句查核 | 高：幻覺、抄襲、責任歸屬 |
| L5 | 資料分析、程式碼、圖表生成 | 必須寫入 Methods | 高：再現性、統計錯誤 |
揭露聲明範本
英文／供投稿使用
中文／供院內計畫書、中文期刊使用
§ 08常見誤區 Q&A
我只用 AI 翻譯，需要揭露嗎？
多數期刊將翻譯視為語言協助，但翻譯過程中 AI 有可能改變語意強度（例如把「associated with」譯回英文時變成「caused by」）。保守做法是揭露，並自行核對關鍵句的語意強度。
AI 幫我做的文獻回顧，我全部查證過了，這樣可以嗎？
可以，但要清楚一件事：你查證的是「AI 找到的文獻」，不是「所有應該被找到的文獻」。AI 的檢索有系統性偏誤，會偏好高被引、英文、開放取用的文獻。正式的系統性回顧仍須依 PRISMA 流程自行執行資料庫檢索，AI 只能作為補漏的第二道工序。
期刊沒問，我可以不說嗎？
不建議。多數規範已將「未揭露」視為可能的學術不當行為，而不是「沒被問到就不算」。何況第五節提到的偵測器誤判風險，主動揭露對你更有利。
我的老闆／學生用 AI，我要管嗎？
共同作者對全文負連帶責任。與其事後追究，不如在團隊內先建立第七節的分級語言與投稿前查核清單。
§ 09結語：科學的故事，終究由人來書寫
科學界運行的基石是榮譽制度（honor system）。社論當年就已預見：偵測工具會存在，但隨著 AI 持續精進，稽查只會越來越困難。三年後我們知道，事情比這更複雜——偵測工具不只會失效，還會誤傷最無辜的人。
於是我們回到最初的原點。既然稽查不可靠，剩下的就只有作者的自律，以及一件 AI 至今仍無法代勞的事：
科學論文的核心，是「人」對數據的解讀與詮釋。那些從病房裡、實驗室裡、失敗的實驗中長出來的創造力、學術直覺與深層 know-how，是演算法無法複製的。
把 AI 當成協助翻譯與破除障礙的「助攻員」，而不是取代大腦思考的「代筆作家」——這句話在 2023 年是一個溫和的建議，在 2026 年，它已經是守住學術誠信的最後一道防線。
參考文獻
- Buriak JM, Akinwande D, Artzi N, et al. Best Practices for Using AI When Writing Scientific Manuscripts: Caution, Care, and Consideration: Creative Science Depends on It. ACS Nano. 2023;17(5):4091–4093. doi:10.1021/acsnano.3c01544
- Kobak D, González-Márquez R, Horvát EÁ, Lause J. Delving into LLM-assisted writing in biomedical publications through excess vocabulary. Science Advances. 2025;11(27):eadt3813. doi:10.1126/sciadv.adt3813
- Liang W, Yuksekgonul M, Mao Y, Wu E, Zou J. GPT detectors are biased against non-native English writers. Patterns. 2023;4(7):100779. doi:10.1016/j.patter.2023.100779
- International Committee of Medical Journal Editors (ICMJE). Recommendations for the Conduct, Reporting, Editing, and Publication of Scholarly Work in Medical Journals（2026 年 1 月更新版）.
- Committee on Publication Ethics (COPE). Position Statement: Authorship and AI Tools. 2023.
說明：第二節提及的 2025 年底 89% 估計出自 Kobak 團隊 2026 年預印本，尚未經同儕審查，引用時請一併註明。各期刊 AI 政策更新頻繁，投稿前請以目標期刊的最新 Author Guidelines 為準。