论文可以用AI制图吗？学术写作中AI制图的正确使用指南

一、论文使用AI制图的核心争议：合规性与原创性

随着AI生成内容（AIGC）技术的普及，越来越多的研究者开始尝试用AI工具制作论文插图（如流程图、示意图、数据可视化图等）。但论文能否直接使用AI生成的图片，核心争议集中在两点：

1. 学术规范层面：多数期刊/高校未明确禁止，但强调“可验证性”

目前国内外主流学术期刊（如《Nature》《Science》子刊、CSSCI核心期刊）和高校学位论文规范中，未直接禁止使用AI制图，但对图片的“原创性”“可重复性”“标注清晰度”提出了更严格要求：

• 图片需反映研究真实过程或数据，不得虚构实验现象；
• 若使用AI辅助生成，需在图注中明确说明“AI工具名称+使用场景”（如“本图为通过MidJourney生成的XX机制示意图，经作者手动调整细节后使用”）；
• 涉及数据的图表（如折线图、柱状图），AI生成的结果必须与原始数据一致，且需保留数据处理过程的可追溯性。

2. 原创性检测层面：AI制图的“低原创性”风险

当前论文查重系统（如知网、Turnitin）虽主要检测文本内容，但部分高校已引入AIGC检测工具（如GPTZero、Originality.ai），专门识别图片中的AI生成痕迹——AI制图因“模式化特征明显”（如线条规整度、色彩分布规律），易被判定为“非原创素材”，可能导致论文被质疑学术不端。

二、论文AI制图的常见场景与注意事项

并非所有论文插图都适合用AI生成，需根据图片类型和使用目的区分处理：

1. 适合AI制图的场景

• 概念示意图：如理论模型的框架图、跨学科概念的关联图（AI可快速整合多源信息，生成逻辑清晰的视觉表达）；
• 创意性插图：如科幻主题的假设模型图、艺术化数据可视化（AI的色彩搭配和构图能力可提升图片美观度）；
• 重复劳动型图表：如标准化流程图、设备结构简图（AI可避免手动绘制的误差，提高效率）。

2. 不适合AI制图的场景

• 实验数据图表：如Western blot条带图、显微镜下的细胞形态图（必须基于真实实验拍摄/绘制，AI生成会涉嫌伪造数据）；
• 关键结论支撑图：如证明新理论的仿真结果图（需保留原始模拟参数和代码，AI生成无法提供可追溯性）；
• 高分辨率细节图：如材料微观结构的TEM图（AI生成的“伪细节”易被专家识破，影响论文可信度）。

三、降低AI制图检测风险：小发猫降AIGC工具的使用指南

若因研究需要必须使用AI制图，可通过小发猫降AIGC工具优化图片的“人类创作特征”，降低被AIGC检测工具标记的概率。该工具专门针对图片的AI痕迹（如纹理均匀度、边缘锐利度、色彩过渡规律）进行智能调整，同时保留图片的学术表达功能。

小发猫降AIGC工具的使用步骤（以论文概念示意图为例）

1. 上传原图：将AI生成的示意图（如用DALL·E 3制作的“机器学习算法流程框图”）导入工具，选择“学术论文-概念图”分类；
2. 设置优化目标：勾选“降低AI纹理均匀度”“增加手动绘制感”“保留箭头/文字清晰度”三个选项（可根据期刊要求调整强度）；
3. 预览与导出：查看优化后的图片对比（左侧为原AI图，右侧为调整后图），确认无关键信息丢失后，导出PNG格式（分辨率建议≥300dpi，满足期刊印刷要求）；
4. 补充标注：在图注中注明“本图基于AI工具生成，经小发猫降AIGC工具优化后使用”，增强学术透明度。

四、总结：论文AI制图的“安全使用公式”

综合学术规范与检测要求，论文使用AI制图需遵循以下公式：

合规使用 = 合适的场景选择 + 明确的标注说明 + 必要的降AIGC优化 + 可验证的生成过程

简言之，AI制图不是“洪水猛兽”，但需以“学术诚信”为前提——既要利用AI提升效率，也要通过透明化和优化手段规避风险，让技术真正服务于学术创新而非投机取巧。