不只有懲罰、追回經費、撤稿，「學術造假事件」該如何更積極的處理？──《科學月刊》

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

精心策畫的論文騙局

一九九六年，紐約大學物理學教授艾倫．索卡（Alan D. Sokal）在後現代研究期刊《社會文本》（Social Text）上發表了一篇論文〈跨越邊界：朝向量子重力的轉形詮釋學〉（”Transgressing the Boundaries：Toward a Transformative Hermeneutics of Quantum Gravity” in the postmodern journal Social Text）。

根據論文摘要，你覺得這篇論文是在講什麼？

「本文的目標，是藉由探究量子重力的最新發展，進一步地深析指出，海森堡的量子力學和愛因斯坦廣義相對論，如今已經被合成和取代。本文將指出，在物理學的這項新興分支中，時空流形不再是客觀的物理實體；幾何學變成了仰賴脈絡的相對關係；過去科學的基本概念已經變成可以質疑的相對性範疇，就連存在本身也不例外。我認為這種觀念革命，對於後現代的自由科學，具有深遠意義。」

如果你覺得這整段話只是用一堆意義不明的術語堆砌起來的胡扯，恭喜你猜對了。

索卡教授瞎掰了一篇論文，投稿到《社會文本》期刊，六名編輯審查之後決定接受，當成嚴肅的學術著作放在該期刊的特刊。

然後索卡發文說整件事都是他設計的騙局。他之所以煞費苦心做這種事，是為了要證明很多學術界的人都會用故作高深的方式騙取名聲。

住在拉普達裡的學者

強納森．斯威夫特（Jonathan Swift）在一七二六年的《格列佛遊記》（Gulliver’s Travels）就諷刺過這種事情，故事中的天空之城拉普達，住著一群偏執的學者和理論家，整天只會研究一些脫離現實的沒用東西。

索卡跟斯威夫特一樣虛構了很多荒謬的東西來諷刺這種現象，他在論文中塞進許多解構主義的流行術語：「偶然的」（contingent）、「反霸權的」（counterhegemonic）、「知識論的」（epistemological）。事後他對《紐約時報》表示，「這篇文章是在刻意模仿某些學者胡亂引述數學與物理概念的行為。我把這些胡扯連在一起，然後發明一個說法去吹捧。整篇文章完全不需要符合任何知識標準，也不需要符合邏輯，所以超好寫的。」

索卡一邊諷刺文化研究與文學批評期刊那種用字吹毛求疵的無聊文化，一邊用詰屈聱牙的高深術語來諷刺那些學界的派系鬥爭。學界彼此批判時候很愛使用一些沒人看得懂的術語，經常搞到即使是同領域的學者，也看不懂作者在說什麼。

事件發生之後，《社會文本》高層發表了一篇相當酸的回應：「索卡博士認為我們是知識相對主義者，他搞錯了。」共同創立該期刊的紐約大學教授史丹利．阿諾維茲（Stanley Aronowitz）表示，「而且這是因為他書讀得太少，學的東西也不夠多」。

索卡看到回應反唇相稽，「光是《社會文本》接受這篇文章，就已經證實那些後現代文學理論家的傲慢，已經誇張到可以無視邏輯。難怪他們從來不去問物理學家，那些引述物理的文字有沒有意義。在他們的世界裡，無法理解變成了某種美德；典故、隱喻、雙關語取代了證據跟邏輯。我的文章只是提供了一個例子，證明了這個流派多年以來的作風。」

學術界、法律界、醫學界這些白領人士，最容易被這種聲望連鎖反應所影響。當聲望決定一切，金字塔頂層的聲音就會過度放大，很多時候他們的說法可以廣傳，並不是因為說法有價值，而是因為其他人希望自己聽得懂他們在說什麼。即使其他專業人士聽不懂，通常也都會為了守住自己的飯碗而默默跟隨。

扁桃體切除術就是個好例子。這種手術的效果欠缺科學根據，但因為「專業醫學意見」普遍認同，一度盛行了幾十年。在二十世紀最時興的時期，上百萬名兒童接受了扁桃體切除術，其中許多甚至因此受傷或死亡；直到某一天，醫學界才終於願意仔細檢查該手術的效果，然後很快就淘汰了它。

當我們為了保障自身聲譽而服從權威時，我們會相信某一套既定的敘事，聽不進任何新資訊，所以很容易繼續以訛傳訛。這種時候，敘事的真假並不重要，因為在其他人眼中，我們這群附和的人都是專家，不太可能搞錯。

不過雖然以訛傳訛的效力很大，但它並非無懈可擊的高牆，反而更像一座疊疊樂——只要抽掉那根關鍵的木條，整座塔就會瞬間崩毀。

——本文摘自《集體錯覺：真相，不一定跟多數人站在同一邊！》，2022 年 12 月，平安文化出版，未經同意請勿轉載。

• 《報導者》授權轉載

文／楊芬瑩

這幾年，國際學術圈出現一群「知識界的羅賓漢」，他們要從貪婪的學術期刊出版集團，重新取回知識的火種。

2011 年哈薩克 22 歲研究生艾爾巴金（Alexandra Elbakyan）寫程式設法取得昂貴期刊內容，供人免費下載，服務像她一樣窮酸的學生、科學家。這個名為 Sci-Hub 的網站開張後流量驚人，因而遭出版巨頭天價索賠，美國法院勒令撤銷網址，但艾爾巴金堅信，科學研究成果不應該私有化，Sci-Hub 很快重起爐灶，她的無畏無懼，讓媒體、支持者封她為「科學界的羅賓漢」。

提出侵權訴訟的是學術期刊出版龍頭愛思唯爾（Elsevier），集團期刊超過 2,500 本，佔全球學術期刊數量的四分之一，包括《刺胳針》（The Lancet）、《細胞》（Cell）、《四面體》（Tetrahedron）等諸多權威刊物，都是熱門參考文獻；所有引用人或所屬機構，都應該支付 Elsevier 權利金或下載費用， Sci-Hub 卻把蒐集到的期刊內容免費大放送，明顯侵害出版商獲利。

目前訴訟尚未有結果，但紐約地方法院 2015 年 10 月底初步裁定（preliminary injunction）禁止 Sci-Hub 繼續提供下載服務，原網址遭撤銷。不過，Sci-Hub 創辦人艾爾巴金堅持，美國法律對海外網站無管轄權，科學研究成果更不該被私有化，日前改換網址重新開張。

Sci-Hub 提供的「非法下載」是否有道德正當性？各方看法見仁見智。但學術期刊自認「於法有據」的收費模式，不斷榨取有限的研究經費，科學家長期處於劣勢，Sci-Hub 幫助有需要的人，說劫富濟貧並不為過，有學者與藝術家公開聲援，呼籲公眾共同對抗知識的私有化。

有多貴？一窺權威學術期刊的收費模式

一般而言，著作權法所保障的是創作人與支持機構，但在學術圈似乎不是這麼一回事。

研究人員付出心血取得的研究成果，若要發表研究報告，為數不少期刊需先支付可觀的刊登費（APCs），文章刊登後，還得無償轉讓著作權，作者使用、分享、再發表受到限制。學者協助同儕審核（Peer Review）論文，則是無償服務。（註 1）

以 Elsevier 所屬期刊為例，刊登費每篇定價美金 500～5,000 元（約新台幣 1.6萬～16 萬元），出版商取得著作權後，再高價售出期刊資料庫給大學等學術研究單位……

後文請見《報導者》

• 蔡孟利／宜蘭大學生物機電工程學系特聘教授

2016 年底在著名的「出版後同儕審閱（post-publication peer review）」網站 PubPeer，陸續出現 60 餘篇內容有造假嫌疑的臺灣學者之論文於其上。

2017 年 3 月 30 日臺灣教育部與科技部的調查結果共認定郭明良、張正琪、蘇振良等人的研究團隊於 2004～2016 年13 年間，共有 11 篇刊登在著名期刊上的論文造假。這些文章的共同作者還包括有當時的臺大校長楊泮池、中研院院士洪明奇、臺大醫院副院長林明燦以及臺大醫院內多位擔任過高階行政職的醫師。

沒想到事隔剛好一年，在 2018 年的 3 月 31 日，媒體揭露了美國俄亥俄州立大學的調查報告，確認中研院生化所的前所長陳慶士特聘研究員，他在 2006~2014 年於美國的任職的期間共有 8 篇論文造假。雖然陳慶士立即辭去了中研院特聘研究員的工作，不過中研院仍然對外宣稱將調查此人於臺灣任職期間的研究成果是否也有問題。

這兩起造假事件都重創了臺灣的學術信譽，讓其他眾多殷實工作的研究人員也蒙受群眾的異樣眼光。不過這樣的論文造假事件，並非是臺灣的特殊狀況。在 2016 年 6 月美國微生物學會的電子期刊mBio 出版的論文「生物醫學論文中不當複製圖像的普遍性（The Prevalence of Inappropriate Image Duplication in Biomedical Research Publications）」中，作者檢視了 1995~2014年間發表在幾本期刊上的2 萬餘篇論文，發現平均有 3.8%的文章出現了文內圖片與臺灣多篇論文一樣的造假情況。

造假事件後：懲罰、經費追回、撤搞，這樣就夠了嗎？

然而每當一件論文造假案被揭發時，一般社會大眾甚或是不少學術界的人士所關注的焦點，通常只是在造假之人有沒有受到相值的懲罰、被虛擲的研究經費能不能被追回、已刊出的論文是否有撤稿而已（關於撤稿這點，臺灣的學術單位與官方則是毫不在意）。

但是對於學術研究和以學術成果為基礎所發展的各式產業來說，如何降低或修補這些造假論文所帶來的傷害，也是需要處理的重點所在。就像是黑心食品被發現上架販售了，該處理的事情不僅只是將製造者法辦而已，食品如何迅速下架、已經吃下了這些黑心食品的大眾之健康是否有受到影響，則是更應該受到關注的兩個事項。

但就學術界現在的運作實務來說，不管是調查發動程序的繁瑣與耗時、撤稿或警示問題論文的公告方式，以及問題論文所造成的損害之彌補與控管等，目前的做法均無法有效地抑遏造假論文的產生以及其危害的蔓延。

處理學術造假：如何加快處理時程？

首先，光是要如何發現哪些論文有造假嫌疑，就是個大問題。

不管是期刊方面或是問題論文的任職單位，其調查的發動通常是非常被動的；雖然這些單位可以主動查察，但實務上大都是有人舉證告發了才會受理，因為這些單位不可能有足夠的人力與時間去進行大規模的查察作業。

不過，現在我們可以利用資訊時代網路互聯的優勢來克服這些問題，例如，現在科學文獻的發行已經以電子期刊為主，特別是「開放取用（open access, OA）」越來越盛行之後，電子期刊更將成為科學文獻來源的主流。

因此，若能在每篇論文的網頁都仿造一些「開放取用」期刊的設計在文末附設討論區，甚至是更有效率的將諸如 PubPeer 這般專業的「出版後同儕審閱」之網頁內的相關內容也自動連結至該篇文章的討論區中，這樣期刊的編輯群就比較可能及時察覺問題論文之所在，而問題論文的讀者也可以從中得到即時的警示，自行判斷文獻的可信度。

當問題論文浮現後，接下來的關鍵則是問題論文的調查能否更快速進行？

近期在 PubPeer 所揭露有問題的文章，大部分均為圖表經過明顯的變造，包括切割圖像、剪貼翻轉、一圖兩用等，很容易就現有文章內容進行判斷是否造假。若這些粗糙的造假也要依以前之慣例請求作者任職的單位進行調查，那麼這些明顯造假的論文之確認時間將會被曠日廢時的行政程序拖延，徒增其危害蔓延的程度。

若再碰到像臺大造假案如此複雜的情況，由於有造假嫌疑的論文作者牽涉到該校校長與其他高階主管，在處理程序上的爭議將更大、時間上也會拖延更久。所以關於此類手法粗糙的論文造假事實之認定，各期刊的編輯委員群是否有可能跳過原作者單位的調查程序，逕行裁定文章的真偽：

若認定為可勘誤的無心之過則主動通知原作者；而認定為造假的文章則直接以撤稿處理？

如果能以此方式處理，就可以讓有問題的論文盡快下架，降低造假論文對科研實務的衝擊，避免研究人員引用錯誤的參考資料。而那些屬於作者群與經費提供單位內部的責任歸屬以及懲處問題，則可在真假確定後再由作者的原任職單位依其所在國家的法律追究。當然，如果造假的情況是比較「細緻」的，需要到詳細調查實驗細節甚至得重複實驗的狀況，就還是得回到原有的調查程序為之。

處理學術造假：如何週知科研社群？

當問題論文的學術不端被確認之後，接下來一個更重要的課題則是：已被確認有問題的論文，要如何有效地廣泛週知科研社群？

目前對於需勘誤或者是撤稿的文章，通常只有公告在該期刊本身的網頁以及紙本出版物。近年來，雖然有如 Retraction Watch 這類的網站出現，但基本上，都仍是屬於消極的被動作為，若是研究者不主動去這些網頁或期刊查看，就無法得知哪些論文以及其作者造過假、勘過誤。這些有問題的論文很可能還會一直的被引用作為研究計畫研提與撰寫新論文時的參考資料。

因此，在網路技術發達的今天，各期刊出版社之間，是否能就已勘誤或撤稿的論文，建立起一個互相通報的系統，讓各期刊的編輯委員們，在審閱新投稿進來的論文時，對於投稿者的信譽（reputation）能有個客觀的參考依據，也對於新稿件中所引用的文獻之可信度，能夠更準確的判斷。

此外，這些已勘誤或撤稿的論文，是否也能夠在公告的當下，同時將資訊主動傳給曾經引用這些問題文章為參考文獻的其他論文作者或是專利的發明者，讓他們能夠及時評估這些文獻對於其研究所造成的傷害程度並避免繼續誤用下去。

隨著研究資源的日益緊縮但發表管道卻不斷增加之現實狀況，從事學術研究的工作者面臨了比以前更殘酷的發表壓力。因此可以預見的是，未來學術不端的事情不會消失，而且會越來越嚴重。從最近臺灣所面臨的這兩場學術造假風波之經驗顯示，論文造假事件的處理已經到了必須尋找更迅速、更有效的方法才能對抗的時候了；這不只是臺灣的課題，也是全世界科研界的共同課題。

〈本文選自《科學月刊》2018 年 5 月號〉

什麼？！你還不知道《科學月刊》，我們48歲囉！

入不惑之年還是可以當個科青