01 我的回答

这里为学术圈外的吃瓜群众科普一下

科研造假有多么“容易”

我博士所在的计算机、AI领域

随便列一篇学术paper的计算实验结果图

(注：仅作展示用途，不针对任何paper或作者)

如今深度学习的时代

任何一个相关实验用GPU训练

随随便便就要花1-10天的时间（假设1天）

以上看到的表格

列出了多种关于方法和参数的排队组合

共计需要做2x4+3x4 = 20个实验

完成上述一轮实验

一个条件一般的实验室（GPU资源紧张）

可能就需要20天的时间

而深度学习又需要调整参数做对比实验

假设只调节2个参数各5种选择（=10）

完成一篇paper选择其中最好的试验结果

非土豪组实验室的学生（人均一块GPU）

需要200天时间

更关键的是

花200天时间得到“真实”的结果

还不一定是好结果

可能还要推倒重来再一次实验的轮回

vs

花10秒钟篡改数据得到“好”结果

你会做出哪种选择？

有人会问篡改数据备查的风险有多大？

非常小！

为何？

因为计算机实验的机器配置不同

又有无数的参数可以调

要完全复现相同的实验结果

是非常非常难的

Paper里又不可能把实验细节说得非常详细

上面的表格里面

随便改个数据

把右下角最好结果81.8改成81.9

会有人会察觉么！？

而审稿人几乎不可能去复现你的代码或实验

即使你上传了开源的代码也不会！！！

为何？

因为投稿数量巨大

搭配同样实验环境的成本非常高昂

根本没有时间/条件去复现投稿者的代码

好了

以上是计算机深度学习领域的造假难度

生物、化学、化工、材料等实验科学复现实验的难度就更大了

实验仪器动辄几百万

审稿要复现先花几百万配齐整套实验装备！！？？

而这些实验的周期以及成本

比起计算机科学来讲更为长久和高昂

时间动辄1年花费100万元的试验设备和成本

生物PhD们养小白鼠的实验大家应该都听过吧
每天需要到实验室给小白鼠投食并且记录实验数据
小白鼠养着养着某天不幸过世了
搞不好还是一个细思极恐的人为“事故”？
实验全部重来
Over～～

因此

科研学术界是否造假

几乎完全凭科研工作者的职业道德和操守

这里

向那些打假人士致以最崇高的敬意

因为打假需要付出的代价真的非常非常大

并且冒着得罪“权威”的风险

每一个学者

做学术前

先学会做人

02 知乎用户@马达熊 的回答

03 知乎用户@匿名用户 的回答

04 知乎用户@鸭鸭2019 的回答