打假神器来了？AI图像查重4小时筛查3500篇论文

编译 | 刘如楠

7月24日，署名詹启敏的作者在“潇敏ScienceArt”公号上回应称，已与论文合作者仔细核实相关文章表述和实验结果，认真开展讨论，目前并未发现数据造假和学术不端情况。

“实验图像重复”是论文被质疑的常见问题之一。此前，已有数起论文打假瞄准了生物医学领域，其中的一个关键靶点就是“实验图像重复”。

近日，Nature报道了美国计算机学者研发的一款图像查重软件，似乎为快速解决这一问题带来了希望。该软件在4小时内筛查了3500篇论文，并最终发现了400个可能重复的图像。

不过，有学者认为，这款软件的缺点也很明显，因为图像重复不一定是错误。而且，软件甚至会将相似的图像标记为重复。

知名学术打假人Elisabeth Bik评价称，该软件“仍需要人工监督，以确保它不会出现标记错误”。

新冠论文大筛查：4小时、3500篇论文、2.1万张图像

今年6月，雪城大学计算机学者丹尼尔·阿库纳（Daniel Acuna）利用开发的图像查重软件，提取和比较了预印本网站bioRxiv和medRxiv上的3500篇论文，共2.1万张图像。

Daniel Acuna （图源：Syracuse University）

这一软件可批量筛查论文，找出重复图像，即使经过旋转、裁剪的图片也难逃它的法眼。Acuna的公司Resis使用这一软件为期刊和研究机构提供服务，但目前还未公开使用。

他说，在4个小时内，该软件就发现了约400个可能存在重复的图像。不过，Acuna认为大多数都没有问题。

他选择了24篇包含“有趣”重复图片的论文，同时公布在他自己创建的网站和PubPeer上。

这引起了不小的轰动。论文作者们也反应不一。一些作者选择了承认错误并立即改正；一些论文的作者则回答说，有些错误在经同行评议的论文版本中已经改正。

芬兰赫尔辛基大学病毒学家Giuseppe Ballistreri对Acuna所做的工作表示感谢。他写道：“如果这个软件的运行结果是准确的，我认为应默认在PubMed中实施。”

帮助出版商筛查造假

目前，期刊审稿大多依赖于作者提交的手稿图像，进行手动筛查。《欧洲分子生物学学会杂志》主编Bernd Pulverer介绍说，整个过程很耗时，早就应该进行自动筛查以简化过程。

Acuna表示，如果期刊编辑采用类似软件，他们也许能更轻松地完成审查工作。

荷兰出版业巨头爱思唯尔科研诚信负责人IJsbrand Jan Aalbersberg说，为发现图像重复使用问题，出版商需要创建一个包含所有已出版图像的共享数据库，以便进行比较。

2015年，Acuna及合作者就从当时发表在PubMed生物医学文献数据库开放存取的76万篇文章中提取了260万张图像。他们从中抽取约3750张标记图像进行手动筛查，并根据结果预测，该数据库中1.5%的论文包含可疑图像，而0.6%的论文存在图像造假。

需要人工调整结果

不过，也有人表示，重复不一定是错误。Bik认为，该软件“需要人工监督。”

Acuna同意她的观点。他说，该软件尚无法根据上下文判断重复图片是否存在问题，需要人为审查。

“但这仍然是有用的，尽管Bik擅长在论文中查找重复的图像，但计算机可以通过比较数十万、数百万篇论文，来找到两篇论文中的重复之处，这对人类来说是不可能完成的任务。”Acuna说。

一些研究人员则反映，Acuna的软件将相似的图像也标记为重复。同时，软件无法兼容广为流行的PDF文件格式，也是一个问题。

后来，Acuna从他的网站中删除了约1/3的重复文章分析，并将其加密。作者只有从他那里获得访问密钥，才能看到相关结果。

来自德国海德堡的图像完整性分析师Jana Christopher说，从更广泛的意义上讲，重复图像查重软件过于专注查找重复项，从而忽视了图像的全貌。例如，两个被判定为重复的图像，其实只有很小的重复区域，在其他方面完全不同。Acuna认为，改进细微差别是机器学习进步的关键。

图像分析在持续，造假者要小心

即便该软件存在诸多问题，但Acuna表示，他将继续分析COVID-19预印本论文。目前已经分析了5500篇，这个数字还在持续上涨。

他还会将预印本中的图像与数据库PubMed中的研究论文进行比较，这可能还会引发其他图像的重复使用。

“我希望作者能意识到，有人正在做这样的事情。”他说。

参考资料：

1.https://www.nature.com/articles/d41586-020-02161-3

2.https://www.nature.com/articles/d41586-020-01363-z

3.https://www.nature.com/articles/d41586-018-02421-3

4.https://doi.org/10.1080/08989621.2020.1793675

5.https://ischool.syr.edu/people/directories/view/deacuna/

6. https://acuna.io/

7. https://www.thepaper.cn/newsDetail_forward_8416829

8. https://mp.weixin.qq.com/s/99t2qTQ7L_HguJpTb4mHdw

编辑 | 袁小华

排版 | 华    园

不想错过科学网的推送？

关注并将我们星标吧！

方法如下

喜欢本文？点赞 + 在看 支持一下！