🧭 學術誠信與倫理
「如何思考」的課程——你會用來判斷生物科技兩難的倫理框架。
T01 Overview of Academic Integrity & Ethics
T01 Course Map 課程安排
| Date 日期 | Topic 主題 | Lecturer 講者 | Platform 平台 |
|---|---|---|---|
| 7/9/2026 Mon, Week 2 18:30–21:20 | Overview of Academic Integrity and Ethics 學術誠信與倫理概論 | Prof. Zhongping Yao 姚鍾平教授 | MS Teams |
| 14/9/2026 Mon, Week 3 18:30–21:20 | Moral and Ethical Issues in Science and Technology 科技中的道德與倫理議題 | Prof. Xunjin Zhu 朱訓進教授 | MS Teams |
| 21/9/2026 Mon, Week 4 18:30–21:20 | Ethical Use of AI in Academic Research 學術研究中 AI 的倫理使用 | Prof. Quanhua Mu 穆全華教授 | MS Teams |
| 28/9/2026 Mon, Week 5 18:30–19:30 | Ethical Use of Information in Thesis Writing & Journal Publication — plagiarism, citation, copyright 論文寫作與期刊發表中的資訊倫理 | Mr. Kin Fu Michael Yip 葉建富先生 | MS Teams |
| 28/9/2026 Mon, Week 5 19:30–21:20 | Self-study — watch Canvas video & answer test questions 自學:看 Canvas 影片答測驗 | — | Canvas |
| 5/10/2026 Mon, Week 6 18:30–21:20 | Presentations and Discussion 報告與討論 | Prof. Xunjin Zhu Prof. Quanhua Mu | MS Teams |
- 課程並非純講授:採混合/綜合模式——講座、研討、個案研究、報告、討論。
- 每堂都重要;毋須課前預備,但課後要閱讀、思考、討論。
- 統籌講者為 Prof. Zhongping Yao(zhongping.yao@polyu.edu.hk),生命科學系。
- 各講者聯絡:Prof. Xunjin Zhu(xunjin.zhu@polyu.edu.hk)、Prof. Quanhua Mu(quanhua.mu@polyu.edu.hk)、Mr. Kin Fu Michael Yip(kin-fu-michael.yip@polyu.edu.hk)。
- 第 5 週自學:學生須於參加 Yip 先生課後,在 Canvas 看影片並回應測驗題(*required 規定)。
(1) 背景 · (2) 誠信與倫理問題及後果 · (3) 你的決定與理據
於 Canvas 第 5 週週三 —— 2026 年 9 月 30 日 23:59 前提交;入選影片第 6 週放映討論。
Master Logic 主線邏輯
- Integrity 誠信 → 誠實 + 拒絕動搖的堅強道德原則(個人最重要資產)。
- Ethics 倫理 → 控制行為的既定信念體系(道德準則)。
- Academic integrity 學術誠信 → 學術界道德準則,建基誠實、信任、公平、尊重、責任五值。
- No single theory solves all 無理論通解 → 兩難源自理論互相衝突;法律系統最終裁決結果。
- Inventorship ≠ ownership 發明人權 ≠ 擁有權 → 貢獻核心專利概念才成發明人,商業擁有權另由僱主/機構定。
- Somatic vs germline 體細胞 vs 種系 → 體細胞編輯止於病人;種系(胚胎)編輯傳給後代=倫理分界線。
- Hard work ≠ inventorship 苦幹 ≠ 發明人 → 重複實驗不等於貢獻核心可專利概念。
- Bad science escapes lab 壞科學逃出實驗室 → 造假研究可造成真實公共傷害。
- Can we vs should we 能否做 vs 應否做 → 法律追不上科技,個人倫理填補空隙。
Key Terms 關鍵術語
| English 英文 | 中文邏輯 |
|---|---|
| Integrity | 誠實 + 堅定道德原則(拒絕改變) |
| Ethics | 控制行為的道德準則體系 |
| Autonomy 自主 | 拉丁 self-rule;亦稱人性尊嚴原則 |
| Beneficence 行善 | 帶來好處的原則 |
| Nonmaleficence 不傷害 | 首要「first, do no harm」 |
| Justice 正義 | 公平分配利益與風險 |
| Utilitarianism 功利主義 | 結果論;最大多數最大幸福 |
| Deontology 義務論 | 規則論;把人當目的非手段 |
| Virtue ethics 德性倫理 | 重品格與動機(narrative ethics 敘事倫理) |
| Trolley problem 電車難題 | 功利 vs 義務的經典張力 |
| Tachyphylaxis 快速耐受性 | 重複用藥後耐受、反應減弱 |
| Patent 專利 | 保護新且具發明性之發明,限時排他權 |
| Inventor 發明人 | actual deviser 真正構思者 |
| IP 知識產權 | 無形資產(軟件、商譽、著作等) |
| STAP cells | 刺激觸發取得多能性細胞(小保方;後證造假) |
| NgAgo | Natronobacterium gregoryi Argonaute;ssDNA 引導,未複製 |
| CCR5 | 基因;HIV 入侵免疫細胞表面蛋白(賀建奎刪除) |
| BMAL1 | 生物鐘基因;敲除致焦慮抑鬱猴 |
| DNAR | Do Not Attempt Resuscitation 不嘗試復甦 |
| MOLST | Medical Order for Life-Sustaining Treatment 維生治療醫囑 |
| Double effect 雙重效應 | 善意治症但可預見縮命,仍屬允許 |
| Precautionary principle 預防原則 | 風險未明前先防範 |
| Fiduciary duty 誠信責任 | 導師須為學生最佳利益行事 |
| 35 U.S.C. §256 | 美國專利法:遺漏發明人可訴請加名 |
What is "Academic Integrity & Ethics" 學術誠信與倫理的定義
- GPT-4o 定義:學術誠信與倫理是學術界的道德準則與倫理政策。
- 包含學術工作中的五大價值:honesty 誠實、trust 信任、fairness 公平、respect 尊重、responsibility 責任。
- 維持學術誠信對學術工作的可信度與可靠性至關重要,並培養信任與尊重的文化。
- 起點=self-assessment 自我評估:讀守則並轉譯成自己的語言。
Three Ethical Theories 三大倫理理論
| Theory 理論 | Key figure 代表人物 | Core 核心 |
|---|---|---|
| Utilitarianism 功利主義(consequentialism 結果論) | Bentham, Mill 邊沁、彌爾 | Greatest good for greatest number 最大多數最大幸福(以結果判斷) |
| Deontology 義務論(Kantianism 康德主義) | Kant 康德 | Duty/rules 義務規則;treat people as ends, never mere means 把人當目的絕非純手段 |
| Virtue ethics 德性倫理 | Aristotle 亞里士多德 | What a virtuous person would do 有德者會怎樣做(重品格) |
- Utilitarianism 功利主義:Jeremy Bentham (1748–1832) 與 John Stuart Mill (1806–1873);「效用」原則=為最大多數謀最大利益;後果是道德最重要部分——故屬結果論。
- Deontology 義務論:Immanuel Kant (1724–1804);源自希臘 deon(義務);絕對道德規則;強調把個體當「目的」而非「手段」。
- Virtue ethics 德性倫理(narrative ethics 敘事倫理):Aristotle;人天生具德性但須負責實踐程度;不重規則或後果,重品格與動機;兩難中做有德者會做之事。
A Brief History of Ethical Philosophy 倫理哲學簡史
- 倫理哲學傳統始於古希臘;首批重要人物:Socrates 蘇格拉底、Plato 柏拉圖、Aristotle 亞里士多德。
- Socrates 蘇格拉底 (469–399 BC):德性即知識;德性是幸福(eudaimonia)的必要且充分條件。
- Plato 柏拉圖 (427–347 BC):四主德——智慧、勇氣、正義、節制——以達真正幸福人生。
- Aristotle 亞里士多德 (384–322 BC):當人具道德德性、以理性與真理為行動基礎時即得幸福。
Four Principles 四大原則
| Principle 原則 | 中文 | 核心邏輯 |
|---|---|---|
| Respect for autonomy | 自主原則 | 尊重他人對自己生命的決定(亦稱人性尊嚴) |
| Beneficence | 行善原則 | 所有行動須帶來善 |
| Nonmaleficence | 不傷害原則 | 不傷害;不能避免時最小化傷害 |
| Justice | 正義原則 | 公平分配利益與風險;公共生活平等公正 |
- Respect for autonomy 自主:拉丁「self-rule」;尊重他人決定;亦稱 principle of human dignity 人性尊嚴原則。
- Beneficence 行善:「做善」的原則;義務是在所有行動中帶來好處。
- Nonmaleficence 不傷害:不傷害義務;不增加風險;無法避免時最小化;與行善合併=每個行動必須利大於害。
- Justice 正義:尊重人權與社會公義;公平分配利益與風險;公共生活平等、公平、公正對待所有人。
Case Studies on Moral Values 道德價值個案
- Trolley Problem (I) 電車難題(一):電車將撞死五名被綁軌者;你可拉桿改道撞死一名。不做(5 死)或拉桿(1 死 5 活)?
- Trolley Problem (II) 電車難題(二):站橋上,可推落大漢擋車(他死 5 活)。同樣功利計算對比直接親手殺人——義務論抗拒直接殺一。
- Dudley and Stephens case 杜德利與斯蒂芬斯案:生存食人審判——「有罪或無罪?」真實案例顯示即使生死存亡的必要也不自動合理化行為;法律系統裁決結果。
- Clinical scenario (Mrs. X) 臨床情境:火場燒傷女病人,兩子女亡、一未知生死、自身危殆;她問子女情況——說真話還是隱瞞?這是告知真相兩難——「不要告訴她」。
CRISPR / Gene Editing 基因編輯 — 具體問題
CRISPR = Clustered Regularly Interspaced Short Palindromic Repeats。講義提出以下實時問題:
- 用 CRISPR/Cas9 編輯人類基因組以消除遺傳病?
- 編輯人類胚胎?預防重病(如 HIV 引致 AIDS)?
- 編輯我們子女的基因組?出生前「設計」嬰兒?
- 在香港合法化對胚胎遺傳病的基因治療?
End-of-Life Care 末期護理 — 完整清單
- Withholding / withdrawing 醫療介入的 withholding 或撤除
- Breaking bad news / truth-telling 告知壞消息/說真話
- DNAR 不嘗試復甦
- MOLST 維生治療醫囑
- Symptomatic treatment that may shorten life 可能縮短生命的症狀治療
- Hastening death — principle of double effect 加速死亡——雙重效應原則
- Terminal / palliative sedation 末期/紓緩鎮靜
- Physician-assisted dying 醫師協助死亡?
Euthanasia 安樂死=有意結束生命以紓緩痛楚與苦難。Active 主動=致命介入;"passive" 被動=撤除護理(如人工營養與水分)。
COVID-19 & Academic Ethical Issues 新冠疫情與學術倫理
疫情倫理:優先給部分病人通氣/ICU 床?強制檢疫?防止對特定群體歧視?疫苗決策?
學術專屬問題:
- 使用臨床樣本、動物或人類做實驗
- 使用 AI(如生成式 AI)
- 抄襲、引用與版權——包括 HKU 案:AI 生成不存在的參考文獻
Week 3 · Moral and Ethical Issues in Science and Technology 科技中的道德與倫理議題(朱訓進教授)
2026 年 9 月 14 日授課。本節由抽象倫理理論轉向有紀錄的不端個案——最有可能出現在影片報告評估的素材。
Why "Ownership & Inventorship" Matters 擁有權與發明人權為何重要
本節定位為「遊戲規則」:懂規則保護自己、確保獲得功勞、避開嚴重麻煩。兩個學習目標居中——區分發明人 (inventorship) 與擁有權 (ownership),並辨識研究者、導師與機構的倫理責任。
知識產權 (IP) 分兩類資產:
- Physical assets 有形資產——實體物件(土地、車),供用有限(同時只用有限人數)。
- Intangible assets (IP) 無形資產——有金錢價值但無實體(軟件、品牌認知/商譽);智力資產是心智創作(意念、歌曲、著作)。供用無限——一人用不阻止他人用。
IP Rights in Hong Kong: Types & Ordinances 香港知識產權:類型與條例
| Protection 保護類型 | What it covers 涵蓋 |
|---|---|
| Patents 專利 | 創新;給創新者限時專有權 |
| Trademarks 商標 | 品牌獨特標識——標誌與名稱 |
| Copyright 版權 | 創意/藝術作品:音樂、文學、軟件等 |
| Registered designs 註冊外觀設計 | 產品視覺外觀 |
香港 IP 法由關鍵條例規管:Patents Ordinance 專利條例、Copyright Ordinance 版權條例、Trade Marks Ordinance 商標條例。界定可保護範圍、保護期、執法機制、侵權罰則、爭議解決程序。
Patents, Inventorship & Ownership 專利、發明人與擁有權
專利保護「新且具發明性」的產品、物質或方法,給擁有人在司法管轄區限時排除他人使用之權。
香港法無明確規定僱員受僱期間所創 IP 誰屬;一般原則=僱主擁有僱員在受僱職責中所創 IP。
發明人是發明的「真正構思者」(actual deviser)。符合當其:
- 構思核心意念;
- 主動超越簡介而導致發明概念;
- 辨識導致發明之結果的重要性。
以下活動本身不使一人成發明人:例行工作;提供意見;督導項目(但未構思發明概念);測試發明;後續跟進工作。
大學與機構通常擁有員工/學生在受僱職責中或重大使用機構資源——機構資金、或機構資助時間、設施、設備——所創 IP。
個人貢獻可經三途徑獲認可:(1) 列名專利法定發明人;(2) 分享商業化最終回報(如有);(3) 經發表與報告獲認可。
Case: Stern v. The Trustees of Columbia University 斯特恩訴哥倫比亞大學信託人
背景。 László Z. Bitó 發表前列腺素對眼內壓 (IOP) 影響論文(兔、貓頭鷹猴等動物),認為恆河猴是好模型。Fredric A. Stern(1980 哥大醫學生)在 Bito 實驗室做眼科選修,用局部前列腺素於恆河猴降 IOP——確認已知效應,但未證靈長類會否出現 tachyphylaxis 快速耐受(重複劑量後急性耐受,臨床反應減弱)。
Bito 續做,得哥大 US Patent No. 4,599,353(1982 申請;1986 發出),Bito 獨任發明人。Stern 得知後於地區法院後上訴聯邦巡迴法院爭共同發明人。
核心發明概念(法院):用前列腺素治療靈長類青光眼,維持降 IOP 而不出現 tachyphylaxis。Claim 1 解讀為整個療程維持降壓不出耐受。
聯邦巡迴法院判決。 Stern 不理解所請發明、未發現前列腺素影響 IOP、未發現重複使用維持降 IOP、未構思用前列腺素於靈長類降 IOP;與 Bito 無合作;只重複 Bito 已做於 Bito 選定模型的實驗;貢獻不足支持共同發明人。
Case: Chou v. University of Chicago 周訴芝加哥大學
背景。 Dr. Joany Chou 與導師 Bernard Roizman 研究皰疹病毒疫苗。Roizman 以獨任發明人申請專利並獲可觀授權費;告訴 Chou 其發現不可專利;1996 指示若她不辭職便解僱。大學政策:「每項可專利發明屬大學財產」並指派給大學。
Chou 起訴 Roizman、芝加哥大學、ARCH Development Corporation(大學全資子公司)、Aviron(獨家被授權人),主張她為正當發明人應加為共同發明人,並控:
- fraudulent concealment 欺詐隱瞞(蓄意隱藏);
- breach of fiduciary duty 違反誠信責任(照顧 Chou);
- unjust enrichment 不當得利(以她為代價致富);
- breach of contract 違約(補償發明人政策)。
地區法院: Chou 無擁有權益、無地位挑戰發明人;被告無責告知其專利性。
聯邦巡迴法院: 允 Chou 挑戰發明人。依 35 U.S.C. §256「正當發明人若未列名,可於聯邦法院訴請加名」。法院認 Roizman 未盡告知責任;Roizman 與大學依代理理論違反誠信責任;Roizman 不當保留 Chou 研究利益;大學違反明示政策未補償她。
Supervisor, Institutional & Personal Responsibilities 導師、機構與個人責任
從兩案提取職責:
- 釐清發明人與作者權——清楚界定研究者角色與貢獻;機構須有明確擁有權/歸功政策。
- 導師與指導者責任——倫理上有責指導門生作者權、發明人權、認可;關顧責任 (duty of care) 承認貢獻並為門生最佳利益(晉升、認可)行事。
- 誠實與透明——披露責任;制度賴誠實透明運作。
年輕研究者主動步驟:讀機構政策;記錄貢獻;與導師清晰溝通;明瞭作者權與發明人權之分。
Research Misconduct I: Obokata & STAP cells 小保方晴子與 STAP 細胞(RIKEN, 2014)
Haruko Obokata(RIKEN)2014 年 1 月於 《Nature》發兩篇文章,聲稱簡單刺激可將成熟體細胞重編程為多能 STAP cells(Stimulus-Triggered Acquisition of Pluripotent 刺激觸發取得多能性細胞)——比傳統協定更簡易。
多專家未能重現實驗;嚴重懷疑升起。2014 年 4 月 1 日 RIKEN 認定為研究不端:多項造假——竄改影像數據、把博士論文數據重用於不同項目、未經許可抄襲他人著作。Obokata 2014 年 6 月 4 日同意撤稿;7 月於第三方監督下未能重現自身發現。
人類代價與後續: 2014 年 8 月 5 日其導師兼共同作者 Yoshiki Sasai 自殺(被批督導不足,但未控不端);Obokata 2014 年 12 月 21 日辭 RIken;RIKEN 第二次調查認所有 STAP 細胞源於 3 類 ES 細胞污染,不可能意外;2015 年其博士學位被撤。RIKEN 其後修內規要求全員接受研究倫理教育並訂數據記錄程序。
Research Misconduct II: Han / NgAgo non-replication 韓春雨與 NgAgo 未能複製
Chunyu Han(河北科技大學)報告 NgAgo——單鏈 DNA (ssDNA) 引導的 Argonaute 核酸內切酶,全名 Natronobacterium gregoryi Argonaute。NgAgo 結合 5′ 磷酸化約 24 核苷酸 ssDNA 引導至標的並造成雙鏈斷裂,似 CRISPR/Cas 系統但不需要 PAM(protospacer adjacent motif)。報告適合基因組編輯,但從未複製成功;有人報未能重現、有人稱成功,辯論持續無定論。
Research Misconduct III: the "Geng" Exposé in China (2026) 耿同學舉報(2026)
2026 年 4 月,耿同學 (Geng) 開始發片舉報中國名校教授論文涉嫌學術不端。調查對象為國家傑出青年科學基金獲獎者;涉嫌不端包括捏造與竄改研究數據,部分數據集現不自然規律——相同數值恰差 0.3 或統一以 5 結尾。
機構與官方回應: 同濟大學數週內確認不端,撤除王教授院長職並降兩級;第一作者被解僱。國家自然科學基金委員會 (NSFC) 發正式通告處罰:撤銷資助項目並追回撥款;禁申 NSFC 資助 3 至 7 年;於研究誠信資料庫記錄批評。
對學術誠信教育意義:數據誠信;各層級問責(資深作者/院長與初級研究者);外部監督角色;學術誠信是健康研究生態的「社會責任」。不端「浪費資源、誤導整個領域,醫學研究中可危及生命」。
Case: Autism vs. Vaccines (Wakefield, Lancet 1998) 自閉症與疫苗(Wakefield)
1998 年《The Lancet》刊 Andrew Wakefield 文,稱自閉症狀於接種 MMR(麻疹-腮腺炎-德國麻疹)疫苗後不久出現。方法問題:小樣本(12 名兒童)、無對照組、結論含糊。
其後更嚴謹研究皆無關連:
| Year 年 | Study 研究 | Sample 樣本 | Link to autism? 與自閉症關連? |
|---|---|---|---|
| 1999 | — | 500 名兒童 | 無 |
| 2001 | — | 10,000 名兒童 | 無 |
| 2002 | Denmark 丹麥 | 537,000 名兒童 | 無 |
| 2002 | Finland 芬蘭 | 535,000 名兒童 | 無 |
| 2005 | 31 項研究回顧 | >10,000,000 名兒童 | 無 |
| 2012 | 27 隊列 + 17 病例對照 + 6 自我控制 + 5 時間序列 + 2 生態 + 1 病例交叉 | >14,700,000 名兒童 | 無(任何個案) |
《Lancet》初為 Wakefield 等免責倫理違規/不端,但 2010 年英國 General Medical Council 判決後完全撤稿。仍有 1/4 美國家長信某些疫苗致自閉症,0 項可信研究連結。
真實傷害: 法國 2011 年近 15,000 例麻疹爆發;英國 2012 年逾 2,000 例麻疹;加州百日咳爆發主因疫苗拒絕。Wakefield 後導反疫苗電影 Vaxxed: From Cover-Up to Catastrophe (2016) 並獲 The Skeptic「Rusty Razor」獎 (2018) 譏偽科學。2019 年 Trump 說「they have to get the shots」;Hviid 等(《Ann Intern Med》2019;170(8):513–520)研究 657,461 名丹麥兒童——仍無連結。
Case: the CRISPR-baby experiment (He Jiankui) 賀建奎基因編輯嬰兒
He Jiankui,南方科技大學副教授,2018 年 11 月 25 日宣布兩名基因編輯嬰兒 Lulu 與 Nana 出生,父為 HIV 陽性。用 CRISPR/Cas9 刪除 CCR5 基因(產生 HIV 用於感染的免疫細胞表面蛋白),聲稱得天然 HIV 免疫。CRISPR = Clustered Regularly Interspaced Short Palindromic Repeats。
秘密進行、繞過規範: 成功出生(2018 年 10 月中)、YouTube 訪問(11 月 19)、AP 公布(11 月 25)、國際人類基因組編輯峰會(11 月 29)——無同儕審查、無獨立確認、無期刊發表。聲稱獲深圳和美婦兒醫院醫學倫理委員會批准,但醫院稱該委員會從未開會討論此項目。
非醫學必要: 兩嬰皆未證 HIV 陽性;已有成熟藥物(如 maraviroc)阻 CCR5;理據未處理未滿足醫療需求;不同 HIV 株經其他蛋白入侵,刪除不能給完全免疫;無法判定任何益處。
安全問題: 人前無動物測試;天然 CCR5 缺陷者更易染西尼羅河病毒、更易死於流感;脫靶效應或意外編輯其他基因;長期效應未知。
執行拙劣: Lulu 僅半數 CCR5 被編輯(雜合或鑲嵌——依其理論恐不抗 HIV);Nana 亦有正常副本(恐不抗);賀擬模仿天然 delta32 突變(約 10% 歐洲人),卻造出不同非標的編輯;脫靶效應稱「無害」無強力證據。
無妥善知情同意: 同意書假稱「愛滋疫苗研發項目」;用參與者(部分未聞「基因編輯」)不懂術語;漏列脫靶風險與基因編輯被禁/具爭議事實;似商業分包表以卸責。
後果: 中國稱賀「嚴重違反」國家規定並面臨刑事指控;偽造倫理文件;或因組隊方式(IVF 診所、其他科學家、產科醫生)面臨貪腐/賄賂指控。
Gene-edited monkeys (BMAL1) & animal-research ethics 基因編輯猴(BMAL1)與動物研究倫理
2019 年 1 月 24 日《The National Science Review》刊中科院神經科學研究所研究:克隆五隻敲除 BMAL1 基因猴胚胎,致焦慮、抑鬱、類精神分裂症狀,用 CRISPR/Cas9;發現助治睡眠障礙、糖尿病、癌症、神經退行性疾病。
不同於賀案,此實驗經中科院與上海市政府授權資助。中國是唯一能克隆圈養靈長類的國家(全球仍廣用);美國是全球實驗黑猩猩最大使用者。生物倫理專家強調動物使用倫理議題近似人類,須嚴密監管——此類實驗帶「倫理代價」。
Global Regulation & Law on human germline editing 人類種系編輯的全球監管與法規
推動標準。 WHO 組專家組訂全球標準。美國 National Academy of Medicine 與 National Academy of Sciences 領袖連同中科院提議與各國學院組委員會訂準則,使科學家不能「找方便地點做危險不倫理實驗」,並含國際舉報機制。
中國法規:
- 2003 — 《人類胚胎幹細胞研究倫理指導原則》:用於研究之囊胚不得植入人類或其他動物生殖系統。
- 2012 — 《人類遺傳資源管理條例》:主要原則含收集、保存、利用人類遺傳資源須同意。
- 2017 — 《生物技術研究開發安全管理辦法》:列具重大風險之基因工程(如人類基因編輯)為高風險層級,須嚴管。
美國法規: 無聯邦法規管人類生殖克隆或可遺傳基因改造,但 FDA 主張對人類生殖克隆、「三人 IVF」、可遺傳基因改造有權管轄並審核基因治療實驗/產品。2017 國家學院報告:編輯胚胎僅可用人類懷孕以預防或治療「嚴重疾病或殘疾」且無「合理替代」治療。
Summary: a scientist's duties 科學家的職責
講義以科學家五項職責作結:
- Clarify roles 釐清角色——知發明人 vs 擁有權;一切寫下來。
- Uphold integrity 堅守誠信——誠實聲譽即一切;絕不捏造數據。
- Consider consequences 考量後果——工作影響公共健康與社會;想超越實驗室。
- Embrace oversight 擁抱監督——倫理審查與同儕審視是保護非障礙。
- Combat misinformation 打擊錯誤資訊——管控壓制科學錯誤資訊;防錯誤發現誤導他人;護公眾健康福祉免假結果危害。
Clinical / Business Logic 臨床與商業邏輯
- 臨床兩難:truth-telling(Mrs. X 說真話 vs 保護)→ DNAR 不嘗試復甦 → euthanasia 主動(致命介入)vs 被動(撤護理)→ double effect 善意治症可預見縮命,仍屬允許。
- 電車難題:功利(拉桿救五)vs 義務(不親手殺一)——同一計算、不同道德框架;Dudley & Stephens 示範必要性非自動正當。
- CRISPR:somatic(止於病人)vs germline(傳後代)是醫學與商業分界;種系編輯觸發四原則全面衝突。
- COVID-19:ICU 分診、強制檢疫、疫苗公平——資源稀缺下 justice vs beneficence 的拉鋸。
- HKU AI 案:生成式 AI 捏造引用=抄襲/不端,即使無意;是學術生態圈內真實風險。
- IP 商業邏輯:香港先申請制 → 誰先交文件誰擁有;僱主擁有受僱期間所創 IP;發明人權 ≠ 商業擁有權。
- 導師 fiduciary duty 誠信責任:須為學生最佳利益(保 IP 權、護職涯);違反即 breach of fiduciary duty(Chou 案)。
Exam Focus 考點
- 課名含「與倫理」:五大學術誠信價值 及 倫理理論/原則都要懂,不可只答生物倫理。
- 三理論與四原則是分析框架;原則互相衝突=兩難;法律系統裁決結果。
- CRISPR 分界=體細胞 vs 種系。
- 苦幹 ≠ 發明人;須貢獻核心可專利概念;未經見證筆記不足證共同發明人。
- Chou 案:Roizman 有告知責任、Chou 可依 35 U.S.C. §256 挑戰;違反誠信責任與不當得利為正確。
- Geng 案:數據規律(差 0.3、統一以 5 結尾)偵測造假;外部監督重要。
- 真實個案(STAP、NgAgo、Wakefield、賀建奎、BMAL1)是影片報告最可能題材。
中文邏輯:學術誠信建基五大價值;倫理分析用三理論四原則;真實不端個案(STAP、耿、Wakefield、賀建奎、BMAL1)說明監督、知情同意、透明與預防原則的重要——兩難結果常由法律系統裁決。
T01 · W4 學術研究中 AI 的倫理使用
Week 4 · Ethical Use of AI in Academic Research 學術研究中 AI 的倫理使用(Prof. Quanhua Mu)
- ABCT5T01 第四堂,講者 Prof. Quanhua Mu,2026-09-21(Mon)
- 四部分 → ① 什麼是 AI/GenAI ② 風險與倫理原則 ③ PolyU 指引 ④ 學術發表指引
- 核心一句 → 可以用,但責任全部留在人身上
What is Generative AI 什麼是生成式 AI
| English | 中文邏輯 |
|---|---|
| Generative AI | AI 的子領域 → 能自主生成新的、有創造性的內容(Ramdurai & Adhithya, 2023) |
| ChatGPT / DeepSeek | 講義點名的兩個工具 |
| Slide 開場 | Google Trend 十年「AI」搜尋趨勢 → 標題「We are in the AI age」 |
Prompt Craft —— "the Fifth Literacy" 第五種素養
- Prompt 技巧本身是一種素養 → the fifth literacy,與 oral/written/visual/digital literacy 並列(講義引 HKU press release)
| Tactic 技巧 | 中文邏輯 |
|---|---|
| Include details in your query | query 越具體 → 答案越相關 |
| Ask the model to adopt a persona | 指定角色 → 改變輸出的知識框架 |
| Use delimiters | 用分隔符切開輸入的不同部分 |
| Specify the steps required | 指定解題步驟 → 減少跳步 |
| Provide examples | 給例子 → 對齊你要的格式 |
| Specify the desired length | 指定輸出長度 |
PolyU Stance 大學立場:可以用
- 講義直接答 Yes → PolyU 對 GenAI 採 open and forward-looking stance
- 自 2023/24 Semester One 起,generative AI 使用已屬 learning/teaching/assessment 的正常部分
- 校內資源入口 → genai.polyu.edu.hk/explore
- 學生指引(Academic Registry,2026-05-21 修訂版)→ 三個動詞
| Use GenAI … | 中文邏輯 |
|---|---|
| critically | 要查證 claims/references/邏輯,不能照收 |
| ethically | 要披露、不造假、不上傳不該傳的 |
| wisely | 分清「幫助學習」與「代替學習」 |
Risk 1 —— Hallucination 幻覺
Hallucination = 模型自信滿滿地給出錯的內容。講義給三個成因:
- Insufficient training data → 訓練資料不足
- Incorrect assumptions made by the model → 模型自身做了錯誤假設
- Biases in the training data → 訓練資料本身有偏
結論一句(講義原話意思):幻覺非常難消除。 這不是等修補的 bug,是這類系統的結構特性。
Risk 2 —— Copyright 版權(三個不同問題)
| English | 中文邏輯 |
|---|---|
| Training on copyrighted content | 用受版權保護的內容訓練模型 → 可能構成侵權(判例:The New York Times Company v. Microsoft Corporation/OpenAI) |
| Output reproduces others' content | GenAI 文字可能與他人網頁內容相同 → 而發表的人是你 |
| Copyright in AI-generated media | AI 生成的圖/影片,版權歸誰?(判例:Thaler v. Perlmutter;作品名 "A Recent Entry to Paradise") |
Risk 3 —— Privacy 隱私
- 核心擔憂 → 你輸入的東西可能被保留並重用(講義引 OpenAI 官方 help 文件:data usage for consumer services/how your data is used to improve model performance)
- 講義給的解法 → run GenAI locally
- Step 1 → 下載安裝 ollama
- Step 2 → pull 開源模型(課堂示例:本地跑 DeepSeek R1)
- Step 3 → 用
- 邏輯 → 模型不連你控制不了的 server → 上傳問題直接消失
Risk 4 —— Data Fabrication 數據造假(最嚴重)
- 講義花最多頁數 → 也是最容易毀掉職涯的一項
- 以前造假要在 lab 動手 → GenAI 把這個門檻拿掉了
核心案例:Nature Nanotechnology(s41565-025-02009-9)→ 用 ChatGPT 純文字 prompt 生成假顯微鏡圖,當成真實實驗數據發表。
| Figure | 中文邏輯 |
|---|---|
| (a) Nano-puffs | 四張偽造納米材料圖,均由 四句初始描述生成 → 描述 contrast/shape/dispersity + 背景材料(如 TEM grid)+ 其他物質(如 dirt);再用數次小幅互動微調出最終圖。 |
| (b) Nano-Cheetos | |
| (c) Nano-Dragon's teeth | |
| (d) Nano D12s |
方法值得注意 → 這些假圖不是粗糙的,是一句一句、一張一張調到像真顯微照。
講義給的三個對策:
- Access the raw data → 要原始數據
- AI detection methods → 用偵測方法
- Repeat the experiments → 重複實驗
第二個更貼身的案例 → 學生用 ChatGPT 偽造訪談數據(質性研究數據,光看數字根本抓不出來)。
Risk 5 —— Interfering with Learning and Research 干擾學習與研究
- 講義引 Nature 報導(d41586-026-02447-y/d41586-026-02632-z)與 mathandai.org 多語言項目
- 核心擔憂 → GenAI 改變的是過程,不只輸出;那個「本來就是學習本身的掙扎」被外包掉了
- 長期 → 研究習慣會圍繞「最容易生成」的東西形成
Risk 6 —— Digital Inequality 數位不平等
- 取得最好工具的能力與使用技巧 → 分布不均
- 一個被說成「拉平差距」的技術 → 可能反而拉開已有資源者與沒有者之間的距離
Benefits vs Risks 講義自己的對照表
| Benefits 好處(5) | Risks 風險(6) |
|---|---|
| Personalised and immediate response | Accuracy and transparency |
| Extremely wide knowledge | Copyright issues |
| High language skills | Privacy issues |
| Brainstorming support | Lack of real understanding |
| Organise information logically for writing and presentation | Deepfake concerns |
| — | Digital inequality |
Four Ethical Principles 四大倫理原則(European Commission 框架)
來源 → European Commission《Living Guidelines on the Responsible Use of Generative AI in Research》,列於講義關鍵文獻。
| English | 中文邏輯 |
|---|---|
| Reliability | 確保研究品質(design/methodology/analysis/resources)→ 對 AI 產出的資訊要驗證、要能重現 → 注意 bias 與 inaccuracies 帶來的 equality/non-discrimination 問題 |
| Honesty | 研發、執行、審查、報告、溝通全程誠實(transparently/fairly/thoroughly/impartially)→ 披露已使用 generative AI |
| Respect | 尊重同事、研究參與者、研究對象、社會、生態、文化遺產、環境 → 負責任使用須考慮技術限制、環境影響、社會效應(bias/diversity/non-discrimination/fairness/prevention of harm)→ 妥善管理資訊,尊重 privacy/confidentiality/IP 與正確引用 |
| Accountability | 從 idea 到 publication 全程負責,含管理組織、訓練、監督、指導、社會影響 → 對研究者所有產出負責,基礎是 human agency and oversight |
Six Recommendations for Researchers 六項研究者建議
- 對科學產出負最終責任 → 對 AI 協助生成的內容完整性負責;維持批判態度,清楚工具限制(bias/hallucination/inaccuracy);不得在科研過程使用 GenAI 造的假材料(例如 falsifying/altering/manipulating 原始數據)。
- 透明使用 → 交代哪些工具有實質使用,含 name/version/date、如何使用、如何影響研究過程;如適用,公開 input(prompts)與 output(符合 open science);注意工具的 stochastic(隨機)本質 → 同一輸入可產生不同輸出 → 力求 reproducibility and robustness;披露限制(含可能 bias 與 mitigation)。
- 特別注意 privacy/confidentiality/IP → 上傳的 input(文字、數據、prompt、圖像)可能被用於其他目的,例如訓練模型;保護未發表或敏感工作(自己或他人的)→ 除非有保證不被重用,否則不要上傳;第三方個人資料須有當事人同意 + 明確目的;要懂技術與倫理含義 → 查工具的 privacy options、誰在管理(公營/私營/公司)、工具在哪裡運行(封閉環境/第三方代管/公開網路平台)。
- 遵守當地與國際法規(跟平常研究一樣)→ 注意 AI 輸出造成的 plagiarism 風險(文字/程式碼/圖像);尊重他人 authorship 並正確引用 → LLM 輸出可能基於他人成果,需要 proper recognition and citation;輸出可能含有個人資料 → 你負責妥善處理並遵守 data protection 規則。
- 持續學習正確用法(含受訓)→ 工具演進快、新用法不斷出現 → 跟上 best practice 並分享給同事與持份者。
- 避免在敏感活動中實質使用 GenAI(會影響其他研究者或機構者)→ 例如 peer review、研究計劃評審;完全不使用即可消除因工具限制(hallucination/bias)造成不公平對待或評審的風險;同時保護同仁的 original unpublished work 不被曝光或納入模型。
Authorship —— GenAI 可以是作者嗎?
講義先問後答,答案很硬 → GenAI 工具不應列為論文的作者。
| Body | 中文邏輯 |
|---|---|
| COPE(Committee on Publication Ethics) | Authorship and AI tools position statement |
| ICMJE | 醫學期刊學術工作 Conduct/Reporting/Editing/Publication 建議 |
| Science editorial | 「ChatGPT is fun, but not an author」+其後對 generative AI 的政策修改 |
- 理由各處一致 → authorship 的前提是 accountability,而工具無法被問責 → 責任留在人類作者身上
Using GenAI in Writing 寫作中的使用界線
改你寫好的句子 = 可以。生成那個發現 = 不可以。
- AI-giarism → 通則是「作者有責任確保作品不含抄襲」(講義引 PolyU Library 的 academic integrity/GenAI-and-Plagiarism 指引)
- 含義 → 不能推給工具,責任在你
Using GenAI in Figures, Images and Artwork 圖像與藝術
- Cell 的一個例子(S0092-8674(24)00642-1)→ 講義稱之為「an interesting example」
- 第二例 → 作者用 ChatGPT + Suno 做了影片(3D mammoth 項目 ChromoGlass Destruction Derby rap,aidenlab.org)
- 共同要求 → proper declaration
Accuracy, Transparency and Reproducibility 準確性與可重現
| English | 中文邏輯 |
|---|---|
| Accuracy | 作者對作品準確性負責 → 所有來源須正確引用;並須仔細檢視,防止 AI 引入 bias |
| Transparency & reproducibility | 須披露使用 GenAI 的詳細資訊 → 產出該作品所用的 full prompt,以及 AI tool 與 version |
Reviewing Manuscripts with GenAI 用 AI 審稿
- 講義立場一致且明確 → 一般不容許用 GenAI 審稿
- 點名 Nature/Science/Cell;引 Nature 系列文章(d41586-024-03588-8/d41586-025-00894-7/d41586-026-02631-0)
- 與建議第 6 條是同一件事的發表端版本
Regulations Are Still Moving 法規仍在移動
- 講義在發表部分的收尾不是規則而是警告 → GenAI 演進快,法規也跟著變
- 指示 → keep learning,keep an eye on regulation policies
Take-home Messages DO / DON'T
| DO | DON'T |
|---|---|
| 了解大學與期刊指引,堅持負責任使用 GenAI | 不要上傳個人/專有/機密資訊以致違反相關政策 |
| 確保研究產出的準確性與可靠性 | 未經 accuracy 與 plagiarism 複核,不要使用或發表 GenAI 產出 |
| 保留足夠的 GenAI 使用紀錄,確保透明與可重現 | 不要依賴 GenAI 撰寫論文或報告的實質大部分 |
| 遵守當地與國際的 GenAI 使用法規 | 不要用 GenAI 生成或操縱發表的 figures |
| 持續學習 | — |
The Ethics of AI Itself AI 本身的倫理
- "Make AI safe" vs "make safe AI" → 講義討論題,取自 UNESCO 文章;差別在於前者是約束已存在的東西,後者是從一開始就造得不一樣
- DeepSeek → 被點名為首個經歷同儕審查流程的主流 LLM → 標誌著 AI 系統與科學出版之間的界線本身也在移動
Key References 關鍵文獻
| Source | 中文邏輯 |
|---|---|
| UNESCO | Guidance for generative AI in education and research |
| European Commission | Living guidelines on the responsible use of generative AI in research |
| PolyU | University Stance on the Use of Generative AI in Learning, Teaching and Assessment |
| COPE | Authorship and AI tools: position statement |
| ICMJE | Recommendations for the Conduct, Reporting, Editing, and Publication of Scholarly Work |
| Science | 「ChatGPT is fun, but not an author」+生成式 AI 政策修改 |
完整性註記:本堂共 87 頁,其中不少為圖/截圖/示意頁,無法抽取文字(例如「How does GenAI work?」、「Ethical AI Principles」及數頁案例頁)。上列的 URL 與引用都是講義上印的原文,可直接回溯取得那些圖片內容。
中文邏輯:GenAI 可以用,但產出永遠是你的責任 → 所以:披露、查證、不碰數據與圖像。