随着人工智能技术普及，科普创作的方式发生了明显变化。借助大模型，普通人几分钟就能生成一篇科普文稿、一段科普视频。科普内容的数量大幅增加，传播速度也持续加快。但快速扩张的背后，行业乱象不断显现，亟须引起重视。

  近期，多家媒体曝光多起AI科普造假案例。北京协和医院专家的形象和声音被人工智能伪造，批量制作不实减重科普视频，用于商业引流。除此之外，各大网络平台上，AI杜撰科研文献、歪曲研究成果、片面解读前沿科学的内容，也已屡见不鲜。

  客观来看，AI对科普的助力值得肯定。传统科普门槛高、产出慢。部分科研人员深耕专业却不擅长通俗表达，优质科研成果很难触达大众。大模型可以快速梳理内容、改写语句、适配传播语态，有效弥补科普内容供给不足的问题，让前沿科学知识传播得更快、更广。

  但工具便利的背后，风险同样不容忽视。AI没有真正的科学认知，只会拟合现有文本生成内容。这就导致它容易出现事实偏差、逻辑漏洞，甚至编造虚假结论。为了适配传播，AI习惯简化复杂科学问题，抹去研究边界、适用条件与客观不确定性。这种“绝对化、完美化”的科普，看似通俗易懂，但很有可能丢掉科学最核心的审慎特质。同时，AI内容溯源困难，一旦出现错误，追责与勘误难度大，持续消耗公众对科普的信任。

  比单篇内容失真更值得警惕的，是失真已经渗入知识生产的上游。《自然》杂志一项分析显示，据预测，自2025年起，或有数万篇学术出版物混入AI生成的无效引文。当伪造的参考文献进入学术记录，再经由科普渠道流向公众，损害的就不只是一篇文章的可信度，而是整个科学传播链条的根基。

  更深一层的问题在于科研人员的主体性。《光明日报》近期组织的一线科研人员讨论中，有学者直言，文献初筛、代码辅助可以交给AI，但“为什么研究这个问题”“结果为什么可信”“最终应该相信什么”，是科研人员必须承担的“认知责任”，一旦把问题定义、因果推理和学术判断一并外包，独立思考能力必然面临退化风险。

  科普同样如此。优质科普不只是知识点的普及，更是科研思维、探索过程与求真态度的传递。实验的试错、学术的争议、研究的局限，这些真实鲜活的科研细节，是标准化机器内容无法复刻的。长期依赖AI完成科普创作的全流程工作，会弱化创作者自主表达、通俗阐释的能力。科普创作或将从科研人员与公众对话，变成依赖机器输出的被动成果。久而久之，全网科普叙事高度趋同，缺少专业思考与科研温度，原本真诚、多元的科学传播生态，也逐渐变得单一固化。

  AI是科普的辅助工具，不是创作主体。规范AI科普生态，关键是守住人机协同的边界。内容平台要完善审核与标注机制，清晰地区分AI生成内容与原创内容，杜绝无溯源、无审核内容传播。广大科研工作者和科普创作者要守住科学、准确底线，对AI产出内容逐条核验、严格把关。理性用好AI工具，坚守专业严谨底线，才能让科普回归本心，守住科学传播的公信力。（宋雅娟）