“AI使用声明”何如“作者认知贡献声明”

论文署名是学术责任承诺书。AI深入参与科研，但不能署名；只要参与内容生成，就应披露相关的AI使用情况用于复核。现实问题在于：当前“AI使用声明”，很难说明AI到底贡献了什么，他人也难以复现。于是，AI使用声明容易沦为形式。

不妨换一个角度：在一篇AI参与的论文中，不必执着于“AI参与程度”，而应直接展现“自然人的认知贡献”——主要提示、关键性引导、关键性判断与归纳等。把披露重心从“AI做了什么”转向“人做了什么、为什么这样做”。 

一句话：与其追问AI参与了多少，不如说明作者贡献了什么。

一、“AI使用声明”缺乏实质意义

只写“使用了某模型某版本，用于文献梳理或语言润色”，信息必要但不充分。因为同一模型、同一环节，不同人的使用方式可能完全不同：有人只让AI列提纲，有人让AI生成段落，有人用AI比较假设，有人用AI检查论证漏洞。仅写工具名和使用环节，无法说明学术判断发生在哪里。

更关键的是，AI输出难以逐字复现。模型版本、参数、上下文、提示方式都会影响结果。要求他人“复现”AI的每个输出，既不现实，也未必有意义。真正可审查的，不是每个token，而是人的关键判断、选择标准和责任链。

二、责任要落到可识别的认知贡献上

逻辑链条很清晰：

署名意味着责任；责任需要可归属；可归属要求识别人的认知贡献；识别认知贡献应记录关键判断与引导；记录应可复核。

AI不能承担学术责任，责任只能由人承担。因此，透明性的核心不应是给AI记流水账，而是给研究中的“人类认知轨迹”留痕。所谓“作者认知贡献声明”，是说明在哪些关键节点，作者做出了不可替代的学术判断。

三、声明什么：作者的关键认知贡献

可考虑在方法、致谢或独立声明中设置“作者认知贡献声明”，重点写四类内容：

1.    问题构造与主要提示：研究问题如何形成？哪些主要提示决定了AI的任务边界？记录影响研究走向的重要提示。

2.    关键性引导：在AI生成过程中作者如何调整方向、补充约束、纠正偏差、选择方案？

3.    关键性判断：哪些输出被采用、哪些被排除？依据是什么？哪些矛盾由作者裁决？哪些结论由作者确认？

4.    归纳与责任确认：最终结论如何从材料中归纳？作者如何核验？确认对内容承担最终责任。

支持单位：