Nature发文揭露某期刊发表机器改写论文！其中不乏中国作者
新智元报道
来源：Nature
编辑：Priscilla 好困
【新智元导读】近日，Nature刊登了一篇有关「捏造」研究论文的文章，研究小组发现某些期刊上发表的论文并没有使用标准术语，经过GPT检测器后发现，有的论文居然连参考文献都是合成的。
「仿制意识」
「深刻神经组织」
「巨信息」
说人话好不啦！？
这些词语竟然会出现在期刊文章里！
是机翻软件翻车？
还是论文作者试图掩盖自己论文剽窃的事实？
抑或是直接用GPT模型替自己写论文？
CS论文出现奇怪的短语
前段时间，有些计算机科学期刊论文中出现了一系列让人摸不着头脑的术语。
明明已经算是非常普遍的术语，但就是不好好说。
来一起感受一下：
深度神经网络：profound neural organization（深刻神经组织）
https://www.ijraset.com/fileserve.php?FID=36960
请问这个organization它究竟哪里profound了？
行，DNN不够常见，换一个常见一点的术语：人工智能总知道了吧？
counterfeit consciousness（仿制意识/虚伪意识）……
大数据不说big data，说colossal information（巨信息）
haze figuring（霾运筹）猜到是说什么了吗？
云计算
还有用flag commotion表示signal to noise，irregular esteem表示random value，leftover vitality表示remaining energy……
真是「辣眼睛」。
nature都看不下去，发文报道了这一批学术期刊的「假」论文。
https://www.nature.com/articles/d41586-021-02134-0
法国图卢兹大学的纪尧姆·卡巴纳克（Guillaume Cabanac）带领的研究小组上个月在arXiv上发表了论文预印本。
论文表示，现在的期刊里已经出现了一种新型的合成论文。
https://arxiv.org/pdf/2107.06751.pdf
但意想不到的是，这种情况在计算机科学论文中可能比比皆是。
于是作者到引文数据库Dimensions中，用这些奇怪的短语（tortured phrases）对期刊文章进行了检索。
连「显卡」都要换，太丧心病狂了吧
GPU：designs preparing unit（设计准备器） ，CPU：focal preparing unit（焦点准备器）。
他们发现860多篇出现类似词汇的论文中，有500多篇刊登在了《微处理器与微系统》期刊中。
于是研究小组下载了在2018-2021年间发表在《微处理器与微系统》（Microprocessors and Microsystems）上的所有论文进行分析。
在2017-2019年间，在《微处理器与微系统》上刊登论文最多的国家和单位前五名
他们发现，还有一部分论文具有相同的提交、修订和接受日期，其中大部分出现在该期刊的特刊中。
作者怀疑，这可能是因为特刊通常是由针对特定研究领域，由客座编辑审核。
除了《微处理器与微系统》这个期刊，在其它35种期刊中，作者同样发现了用这些奇怪词汇的论文。
对于任何熟知这个领域的研究人员来说，他不可能用非标准术语来指代这个领域中众所周知的概念。
这些奇怪的词在知网上也能找到。
GPT检测器识别「假」论文
研究团队采用了一种最新的文本生成检测器，区分真实文本和合成文本。
这是一种基于RoBERTa的「GPT-2输出检测器」。
https://github.com/openai/gpt-2-output-dataset/tree/master/detector
该检测器能够给输入文本打分，显示文本的合成概率。
主要针对那些作为学术论文来说不能被接受的缺陷：
- 复用别人的文本、图像却没有声明
- 引用不存在的文献
- 引用不存在的公式定理等
- 无法理解的句子
其中，一些检测率高的文本甚至和对应的图在内容上甚至都是不相关的。
（b）为被「参考」的论文原文，其中介绍了一个漏水检测器的逻辑图。
然而通过大量修改，不仅能骗过机器查重，也让人根本读不懂这段话在说什么。
deep learning method——profound learning strategies
convolutional neural networks（CNN）——Cable News Network
natural language processing（NLP）——Neuro-Linguistic Programming
上面这些改写比之前举出的例子有过之无不及。
用GPT生成摘要和正文也就罢了，没想到连参考文献都逃不掉。
参考文献列表中包含不存在或无法识别的论文条目。
提供的超链接要么是错的，要么指向不相关的出版物。
网友讨论
paraphrase论文可能是不少人写论文的「必经之路」。
但这些论文的作者却将paraphrase的工作交给了机器。
从原始论文中复制了一堆文本之后，用诸如quillbot这类的转述机器人对文字进行了改写。
也有网友分析这显然是为「伪原创同义词替换工具」开发出了新用途。
看不见「云」，只看得到「霾」。
学者也有KPI，这在学术系统内部很常见：
为了文凭、终身职位等，你必须要发表一篇论文。
有人读过这些吗？没有，当然没有。有哪个知名的论文会引用它们吗？没有。 筛选出那些发表在一级期刊/会议上，但引用次数<1的论文，会是一个更大的问题。 这些类型的论文也确实有抄袭和数据伪造现象，但它不那么明显。
把gate（门）换成door，把complex（复杂）换成complicated。
印度的一位学生表示，他们想要毕业就必须发表一篇关于他们最后一年的项目的「论文」。
而这样的「期刊」有几十种之多，在收取一定的费用之后就会进行发表。
除了一些抄袭检查外，不会对内容进行审查。
这可能就是由大学和这些所谓的期刊组成的一个骗局。
但是，这些没有可信度的论文对于学术界来说根本没有存在的意义。
不仅可能会断送论文作者的前途，还会坏了出版社苦心经营的名声。
论文还是要认真对待的，要是太水了，
会被拉去沙漠治沙的。
参考资料：
https://www.nature.com/articles/d41586-021-02134-0
https://arxiv.org/abs/2107.06751