去年，一篇来自MIT博士二年级学生的论文一经发布，立刻引发学术界广泛关注。
该研究通过对一个大型材料实验室的调查，用详实数据展示了AI工具如何显著提升科研人员的工作效率。更令人惊讶的是，作者还发现AI在科研中产生了一些有趣的“次生效应”。
当时，这篇论文不仅登上多家主流媒体头条，还获得业内高度评价——“这是目前为止关于AI对科学探索影响最深入的研究之一。”
不仅如此，作者还将论文提交至全球顶级经济学期刊《The Quarterly Journal of Economics》，并收到“修改后重新提交”的通知，意味着论文极有可能被正式发表。
然而就在不久前，这篇论文的两位导师——诺贝尔经济学奖得主Daron Acemoglu与David Autor教授突然公开呼吁撤稿，原因是他们怀疑论文中的关键数据可能是伪造的！
目前，MIT经济系已在官网上发布正式声明，请求arXiv平台撤下该论文。
MIT表示，这篇发布于2024年11月的预印本论文自发表以来便引发质疑。经过内部保密审查后，学校认为必须将其撤回，并已联系arXiv和相关期刊提出撤稿申请。
此前，MIT曾要求该学生自行申请撤稿，但遭到拒绝。如今，学校强调，该学生已不在校内注册，不属于MIT成员。
事实上，早在去年底论文刚一发布时，就已有不少学者提出疑问。随着质疑声不断增多，导师们也开始察觉问题，并主动上报学校展开调查。
最终，论文作者所致谢的两位教授Acemoglu和Autor联合发表声明：
MIT一名前博士二年级学生的论文《Artificial Intelligence, Scientific Discovery and Product Innovation》虽尚未通过同行评审发表，却已在AI与科学领域引起广泛讨论。
尽管由于学生隐私法和MIT相关政策限制，无法披露具体调查细节，但我们必须明确指出：我们对该论文中数据来源、可靠性及研究真实性均缺乏信心。
我们希望澄清一点：现阶段，学术界或公众在探讨相关议题时，不应采信该论文所呈现的结果。
以下是声明原文（可上下滑动查看）：
AI让新材料发现暴增44%？数据是假的
回顾去年年底，这篇论文一度引发轰动。作者提出的多项结论极具吸引力：
AI正以前所未有的速度推动新发现，使研究人员发现的新材料数量增长了44%，专利申请量增加39%，下游产品创新增长17%；
AI对科研生产力的影响极为不均，顶尖1/10科学家产出提升81%，而排名靠后的1/3几乎无变化；
对高产科学家而言，AI成为其“智能伙伴”，放大创造力和产出。
沃顿商学院教授Ethan Mollick也转发支持该文，许多读者称赞这是一篇值得期待的大模型与科研结合的高质量研究。
然而现在看来，这些看似振奋人心的数据，竟可能源自伪造？
此事引发热议后，《大西洋月刊》记者以题为《科学家 vs 机器》的文章对此进行了深度报道。
早在2024年11月，就有专业人士对论文内容提出质疑。
伦敦大学学院无机与材料化学教授Robert Palgrave公开表示，文中观点存在诸多漏洞，逻辑不够严谨。
他随后展开详细分析：
论文称研究对象是一家匿名美国公司，拥有超过1000名科学家从事新材料研发，涵盖医疗、光学、工业制造等多个方向。然而，其中多个细节令人起疑。
例如，作者声称该公司早在2022年就开始系统使用AI进行科研，并设立大规模对照实验。试问，哪家企业会如此前瞻性地为上千名员工设置多年追踪机制，并将数据提供给一位MIT博士一年级学生？
此外，作者甚至能查阅员工实验记录，这种权限是否合理也值得商榷。
更可疑的是，论文中提到的材料类型包括生物材料、陶瓷、金属合金、聚合物等，但并未给出具体说明。
Palgrave指出，像陶瓷这类材料结构复杂且无序，极难通过AI进行高通量建模。谷歌DeepMind早期尝试失败即源于此。
论文使用的SOAP方法也被质疑修改过：“第二项对靠近质心的原子增加了权重。”但周期性材料并无中心之说，前提本身错误。
所谓“新颖性”指标因此并不具备说服力。
论文声称AI帮助发现了新材料，但如何验证这些预测是否真实有效？作者几乎没有提及。
Palgrave最后表示，虽然论文构思巧妙、工作量庞大，但整体数据过于理想化，令人难以信服。
材料科学家怎么看？
另一位材料专家Ben则从技术角度进一步剖析。
他表示，论文描述了一家美国公司对1000多名材料科学家进行的随机试验，涉及AI工具对科研各环节的影响。然而，数据太过完美，几乎不真实。
例如：
新材料数量 ↑ 44%
专利数量 ↑ 39%
原型产品 ↑ 17%
所有结果都具有统计显著性（p<0.000），每项指标都呈现出清晰趋势，图表也异常规整。
再看裁员案例：公司裁掉3%员工，却奇迹般不影响数据分析，反而成为论文亮点之一。这种巧合实在难以置信。
Ben还指出，作者声称通过晶体结构计算判断新材料相似度，但没有提供任何技术细节。仅凭一个经济学博士的能力，几乎不可能独立完成如此复杂的建模。
图表显示AI发现的新材料更具创新性，若属实，足以单独发表于《Nature》。但在文中却仅作为附录。
更重要的是，不同材料类型的相似性应有差异，但作者未做归一化处理，数据显然不可靠。
综上所述，这篇论文很可能完全虚构。即便如此，它仍险些登上顶级期刊，足见造假手法之高明。
欢迎您的阅读，请关注本号，持续为您带来有用资讯，感谢！
