问题不在于 AI 能不能把句子写得更顺，而在于：语言变得更顺之后，我们是否仍然清楚什么是证据，什么是解释，什么是我们真正愿意承担的判断。
每一种工具，都会改变工作的形状
学术写作从来不是一种完全依靠手工完成的活动。研究者会使用词典、文献管理软件、统计工具、绘图软件、表格，也会接受不同形式的编辑帮助。每一种工具都会消除一类摩擦，同时让另一类判断变得更加显眼。
计算器不会替我们决定哪个量最重要，CAD 也不会替我们判断一个设计是否真正回答了问题。搜索引擎不能替我们判断一篇论文是否足以支撑想要提出的论断。工具改变的是通往工作的路径，却没有替我们决定目的地。
AI 辅助写作属于这条更长的工具史，只是它触及的范围更广。它可以帮助我们整理结构、比较表达、发现过渡缺失，也可以让我们暂时站到读者的位置上，重新审视自己的论证。
润色，不等于思考
只要把论文拆成不同层次，边界就会清楚一些。一层是表达：语法、节奏、术语和结构；另一层是科学论断：我们观察到了什么、推断了什么，以及哪些地方仍然不确定。
AI 可以很好地帮助处理第一层，也可以在一定程度上协助我们审视第二层。但一个句子听起来很有把握，并不意味着它就真的得到了证据支持。判断论断是否成立，不能因为语言变得流畅，就一并交给工具。
因此，比较稳妥的分工其实很严格：研究者负责问题、证据、解释、结论边界以及最终责任；工具可以帮助语言表达、比较、组织和批评，但不能悄悄成为数据、引文、机制或结果的来源。
为什么这场争论会让人感到不安
这场争论经常被描述为学术诚信问题，而诚信当然重要。但在更深处，还有另一种焦虑：很长时间以来，流利的学术英语和快速写作常常被当成个人能力的证明。当工具让这些工作变得容易，一个旧的稀缺性信号也就不再那么稀缺了。
对那些曾经花费巨大时间跨越语言障碍的研究者来说，这种变化尤其容易让人不安。但更好的回应，不是继续保留不必要的摩擦，把辛苦本身当成价值证明，而是让真正重要的工作变得更加清晰：提出有意义的问题、设计能够区分不同解释的实验、谨慎阅读证据，以及拒绝夸大结果。
论文应该保留一条可追溯的责任链
一个值得信任的 AI 辅助写作流程，应该让作者更清楚论文的推理，而不是更不清楚。我觉得可以反复追问四个问题：
- 这一段中，哪些内容直接受到观察或来源支持？
- 哪些内容是我的解释，而不是已经确定的事实？
- 什么样的新证据会改变我的判断？
- 如果不躲在工具后面，我能否解释并捍卫这句话？
这些问题比简单声明“使用过”或“没有使用过 AI”更有价值。它们让证据、解释、语言和责任之间的链条保持完整。
什么仍然属于人的工作
一篇论文最重要的工作，通常不是生成语法正确的句子，而是选择一个值得追问的问题，构造一个有区分度的比较，认真对待一个不方便的结果，并明确说明证据究竟走到了哪里。
这些判断需要的不只是语言能力，而是与现实保持接触，并愿意被现实纠正。AI 可以让思考路径更加清晰，却不能替我们承担一个论断带来的后果。
使用 AI 进行学术写作，目标不应是让论文看起来像出自一个完美作者，而应是让作者拥有更多时间，去对论文承载的思想真正负责。