专家建议使用人工智能来组织论文和审查学术内容
哈佛大学的一位教授提议使用人工智能代理来处理科学出版物的超载问题。该大学的天体物理学家兼项目主任阿维·勒布（Avi Loeb）在最近的一篇文章中强调，由于论文数量过多，阻碍了充分的阅读和验证，学术界正面临危机。这一建议是在全球讨论人工智能如何改变传统研究流程的背景下提出的。
瑞典查尔姆斯理工大学数学教授玛丽亚·罗金斯卡娅(Maria Roginskaya)引发了这场争论，她指出，每年仅数学领域就发表大约10万篇文章。她认为，无偿实施的同行评审制度常常导致评估肤浅，导致未被发现的错误和重复。 Loeb 对此表示同意，并将人工智能代理视为有效处理和组织这些内容的工具。
该提案将在 2026 年获得相关性，届时专家预测代理人工智能将取得重大进展，能够在复杂任务中自主行动。报告表明，2025 年观察到的失败（例如 70% 的企业任务效率低下）正在通过开放协议和模型的改进得到克服。在学术背景下，这可以将知识传播与职业评估分开，减少偏见并优化资源。
人工智能代理及其最近的演变
研究表明，到 2025 年，由于效率和安全性的限制，人工智能代理在许多应用中已经失败。然而，2026 年的进步有望带来更大的自主权，64% 的巴西领导人相信会加速采用。
这些系统现在可以更好地与现有工具集成，从而实现实时数据分析等操作。在学术界，这意味着无需持续的人工干预即可审阅论文，从而减轻研究人员的负担。
对同行评审的影响
目前的同行评审制度因依赖兴趣有限的编辑和审稿人而受到批评。年轻研究人员面临着劣势，需要建立联系才能访问著名期刊。
人工智能代理可以公正地评估合理性和原创性，从而减少勘误表所花费的时间，而勘误表由于不正确的出版物而大量存在。
此外，发表和职业评估之间的分离将避免结果的战略性分割，以最大化简历。
研究表明，90% 的营销公司已经使用人工智能来完成类似的任务，这表明学术界的可行性。
特定领域的实际应用
在数学领域，每年 10 万篇论文的数量超过了人类的阅读能力，导致有价值的工作被忽视。经过训练的人工智能代理可以识别重叠并推荐相关读数。
在勒布的天体物理学领域，人工智能已经帮助分析天文数据，其扩展到出版物可以优化国际合作。
2026 年的报告表明，40% 的代理人工智能项目面临成本取消，但成功的项目可将错误减少高达 60%。
巴西大学等机构开始规范人工智能的使用，避免全面禁止并鼓励共同创造。
学术实施中的挑战
抵制来自那些从现状中受益的人，例如老牌出版商。变革需要集体行动以避免系统崩溃。勒布强调，人工智能应该在经过验证的论文评估中进行测试。研究表明，在暴露的角色中，人工智能技能的变化速度要快 66%，需要紧急的学术培训。在巴西，培训赤字威胁着 2026 年之前的项目，很少有机构培训专家。
全球公司投资于自主任务代理，但学术界需要对敏感数据进行治理。报告预测，到 2026 年，代理人数将增加，并为融入日常工作提供保护。
系统的替代建议
提到了 14 世纪的公开竞赛等历史替代方案，但人工智能提供了现代的可扩展性。在法国，集中评估系统激发了混合模型的灵感。勒布的提议包括用人工智能来消化论文，将传播与职业指标分开。这将减少滥用行为，例如将提交的内容视为优点。研究表明，生成式 AI 已经在改变内容制作，其中 68% 用于头脑风暴。
在学术界，这可以将研究重点放在纯知识上，而不是战略出版物上。预计到 2025 年，自主代理的故障率将达到 70%，但它们会不断发展以解决投资分析或咨询等复杂任务。应用于论文中，这将避免重复并提高质量。在巴西，95% 的代理商因缺乏数据而失败，但 2026 年将重点放在治理上。
Leia Também
预期技术进步
开放模型和新浏览器将 2025 年标记为代理人工智能的拐点。到2026年，这些系统将在运营中发挥积极作用，促进投资。在学术界，这意味着公正的审查，减少人为偏见。 Gartner 报告警告称可能会取消，但营销成功显示了潜力。与 CRM 和 CMS 的集成已经发生，54% 的聊天机器人解决了查询。对于出版物，人工智能可以自动索引和分类，促进全球访问。
对年轻研究人员的好处
年轻科学家依赖导师发表论文，从而造成不平等。人工智能代理将创造公平的竞争环境，独立于关系评估优点。
这将鼓励创新的、非战略性的研究，人工智能可以识别现有文献中的差距。
与高等教育融合
巴西大学面临监管真空，到 2025 年，只有七所机构制定了人工智能规则。UFC 指导方针禁止生成原创内容，但允许共同创作。
代理可以帮助验证相似性，补充像 Turnitin 这样的工具，这些工具不能单独证明原创性。
这促进了道德使用，让学生为人工智能至关重要的市场做好准备。
全球收养视角
在企业界，90%的专业人士在试点中使用代理，专注于内容制作。在学术界，类似的调整可以解决规模危机。
IEEE 研究预测 2026 年是智能体元年，将改变人机关系。在巴西，尽管面临挑战，但预计创新将加速。
信息过载的解决方案
无法阅读论文的部分内容导致对个人参考资料的依赖。人工智能代理将组织内容，根据相关性推荐阅读材料。
正如罗金斯卡娅所提议的那样，这可以通过将知识与职业评估分开来避免崩溃。
崩溃和修复示例
据卡内基梅隆大学称，到 2025 年，特工们将无法完成 70% 的专业任务。 2026 年的改进重点是准确性，APEX-Agents 测量性能。
在学术界，类似的测试将验证人工智能的审查，减少勘误并提高质量。
为系统性变革做好准备
机构需要与政府和行业协调进行人工智能培训。在巴西，第一代人工智能毕业生出现，但供不应求。
这会影响 CIO 的日程安排，因为技能变化很快，需要培训投资。
学术界关于人工智能代理的讨论反映了向更高效率的转变。随着预期的进步，出版系统可以适应，使全球研究人员受益。
