ABCT T01 · 學術誠信與倫理

🧭 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)。
評估 — 單一交件,記死線 個人影片報告:選一個學術相關情境/個案(新聞媒體等),拍 約 3 分鐘影片(須露面),呈三點:
(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。
課程目標 提升對恪守高標學術誠信重要性的意識 · 增強批判性分析倫理問題並作適當倫理決定的能力 · 裝備科學家在 PolyU 研究及使用 AI 與未來專業中應用學術誠信與倫理的理解與尊重。

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)
NgAgoNatronobacterium 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
DNARDo Not Attempt Resuscitation 不嘗試復甦
MOLSTMedical 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。
考點 課程名為「Academic Integrity and Ethics」——兩者都要懂:五大學術誠信價值 及 倫理理論/原則。不可只答生物倫理一半。

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。
如何使用這些理論 無單一理論解決一切——兩難存在正因理論互相衝突。把它們當分析框架;當原則衝突,由法律系統決定結果。

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。
記憶框架 Socrates → 德性即知識;Plato → 四樞德;Aristotle → 經由理性的德性。傳統直通你被考的三大理論。

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。
注意 四大原則經常互相衝突——衝突本身就是兩難。醫學倫理提供框架,當一原則指向一方、另一原則指向相反時運用。

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」。
注意 倫理兩難=兩個或以上道德上可接受選項,或同樣不可接受的行動方針。不是「對 vs 錯」,而是競爭中的善/原則。

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?
考點 分界線=somatic vs germline 體細胞 vs 種系:體細胞編輯留於病人;種系(胚胎)編輯傳給後代——這是倫理學家爭論的界線。

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
真實 hook HKU「AI 生成虛假參考文獻」案是您生態圈內真實的學術誠信失敗——生成式 AI 即使無意也可捏造引用,屬失當行為。須與臨床樣本、動物/人類使用的職責並列。
重點信息 倫理理論/原則提供分析框架,但有弱點不能完整解決每個專業兩難——故部分兩難的結果由法律系統裁決。

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。
先申請制(香港) 香港 IP 保護採 first-to-file 先申請制:首位向知識產權署 (IPD) 申請者為合法擁有人。誰先有想法不重要,誰先交文件才重要。

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。

注意 發明人權不等於擁有權。參與研究不保證發明人權,發明人權本身不定商業權利誰屬。

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。

注意 Stern 聲稱被毀實驗筆記證明共同發明人。法院:未經見證的實驗筆記本身不足以支持共同發明人權利。
考點 重點:hard work ≠ inventorship 苦幹 ≠ 發明人。你必須貢獻核心、可專利概念。典型 MCQ 測「Stern 的記錄/實驗是否足夠共同發明人」——答案為否。

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。

誠信責任 督導關係中 fiduciary duty 誠信責任 意味導師須為學生最佳利益行事——包括保護其知識產權權利與職涯利益。
考點 可測陳述:Roizman 確有告知 Chou 的責任,Chou 可依 35 U.S.C. §256 挑戰發明人——故「Roizman 無責」與「Chou 無地位」皆錯。正確為違反誠信責任與不當得利。

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。

真實 hook 「科學建基於信任。造假以悲劇性人命代價粉碎信任。」同儕審查與可重現性是必要保障;指導與監督是導師責任一部分。

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。

考點 兩課明確可測:(1) 捏造/竄造可經數據規律偵測(如差 0.3、統一以 5 結尾);(2) 外部監督重要——傳統機構自我監管失效,外部監督(含社交媒體)揭發不端。後果真實且毀生涯。

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
2002Denmark 丹麥537,000 名兒童無
2002Finland 芬蘭535,000 名兒童無
200531 項研究回顧>10,000,000 名兒童無
201227 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。

真實 hook 「壞科學不只留在實驗室。它可逃出造成真實世界傷害。」科學家有公共責任以清晰溝通與媒體互動打擊錯誤資訊。

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。

真實 hook 賀建奎案是概覽卡所提種系編輯辯論的具體測試:顯示倫理批准、真正知情同意、透明與預防原則是編輯人類種系前的絕對要求。

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。

為何個人倫理重要 國際監管景觀仍追不上科技。不能只問「能否做?」——必須問「應否做?」個人倫理填補法律未及之處。

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。
One-line Summary English: Academic integrity rests on five values; ethical analysis uses three theories and four principles; real misconduct cases (STAP, Geng, Wakefield, He Jiankui, BMAL1) show why oversight, consent, transparency and the precautionary principle matter — and the outcome of dilemmas is often decided by the legal system.
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
Intended Learning Outcomes 學習目標 ① 認清 AI 的好處與風險(尤其 generative AI)→ ② 掌握學術研究中相關的倫理原則 → ③ 知道大學與學術機構的現行指引 → ④ 能分辨自己學習與研究中的倫理/非倫理使用。

What is Generative AI 什麼是生成式 AI

English中文邏輯
Generative AIAI 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 queryquery 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
Caution Prompt 寫得好 → 你更快。但不會更真。下面每一個風險,好 prompt 一樣中。

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。

Exam focus 最實用的後果 → GenAI 生成的參考文獻經常出錯,或者根本不存在。 講義示例 prompt:問 osteosarcoma 最新治療選項並要求加 citation → 出來的引用是編的。

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' contentGenAI 文字可能與他人網頁內容相同 → 而發表的人是你
Copyright in AI-generated mediaAI 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)。

The trap 陷阱 造假不只等於「編結果」。用 GenAI 生成 figures/images/訪談逐字稿,然後當成收集回來的數據 → 這就是 data fabrication,不管用什麼工具做的。

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 responseAccuracy and transparency
Extremely wide knowledgeCopyright issues
High language skillsPrivacy issues
Brainstorming supportLack of real understanding
Organise information logically for writing and presentationDeepfake concerns
—Digital inequality
Read the two columns together 好處全部關於 speed 與 form;風險全部關於 truth 與 ownership → 這就是為什麼答案是「可以用」,而不是「不要用」。

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
Memory hook R-H-R-A → Reliability/Honesty/Respect/Accountability。注意只有 Honesty 直接對應一個具體動作:披露。其餘三個要你自己推理判斷。

Six Recommendations for Researchers 六項研究者建議

  1. 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)。
  2. 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)。
  3. 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)。
  4. 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。
  5. 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。
  6. 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。
Real-world hook 第 6 條是唯一直接保護別人免受你影響的一條。將來你若被邀審稿或評 grant → 那份文件是別人未發表的工作,丟進 chatbot 同時是評審失職與保密違規。

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

Where the line is GenAI 只能用於改善可讀性與語言 → 不可用於關鍵寫作任務,例如 producing scientific insights 與 drawing scientific conclusions。
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
Exam focus GenAI 生成的圖像一般不被接受發表 → Nature/Science/Cell 皆然。講義對 mammoth 案例的評語只有一句:"Handle with care!"

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

DODON'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—
Compression 五個 DO + 四個 DON'T → 只化約成兩句:你仍然是作者,以及你要能交出你的工作過程。

The Ethics of AI Itself AI 本身的倫理

Definition AI ethics → 用來支配 AI 行為、以人類價值為基準的原則;作用是確保 AI 的開發與使用對社會有益。
  • "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
UNESCOGuidance for generative AI in education and research
European CommissionLiving guidelines on the responsible use of generative AI in research
PolyUUniversity Stance on the Use of Generative AI in Learning, Teaching and Assessment
COPEAuthorship and AI tools: position statement
ICMJERecommendations 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。

One-line Summary English: GenAI is permitted and useful, but every output remains your responsibility — so disclose it, verify it, and never let it touch the data or the figures.
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。