季凡觀點：麻省理工學院（MIT）學術造假如何發生的？

季凡

2025年11月24日週一下午4:46

一名 27 歲的博士新生，如何在世界頂尖學府麻省理工學院（MIT）上演一場「整組造假的論文秀」，還一度騙過諾貝爾獎得主、登上《華爾街日報》與美國國會文件？這個故事乍聽像影集劇本，但它真實發生，而且發生在我們一般認為最嚴謹的學術殿堂裡。理解這個案例，不只是看八卦，而是重新思考：在高壓競爭、AI 熱潮、與高度信任交織的環境裡，制度是怎麼被人利用的。

《華爾街日報》報導：Will AI Help or Hurt Workers? One 26-Year-Old Found an Unexpected Answer.
說明：他曾在《華爾街日報》的專題報導中被塑造成 AI 新星，相關研究還被引用在美國國會聽證會的證詞裡。

季凡特別節譯與整理《華爾街日報》 2025 年 11 月 21 日的一篇最新專文，試著拆解這起學術造假事件背後的制度結構，並思考其對臺灣學界與投資人可能帶來的啟示。

《華爾街日報》報導：An MIT Student Awed Top Economists With His AI Study—Then It All Fell Apart

主角 Aidan Toner-Rodgers 出身加州葡萄酒鄉的小鎮，家庭背景很普通，父親是小學老師、母親開音樂學校。他在小型文理學院 Macalester 念書、打籃球，成績優秀，還和教授合寫論文，後來到紐約聯準銀行做研究，文章登上學術期刊與央行部落格。一路看起來，就是那種「不是含金湯匙出生，但憑實力往上爬」的勵志故事。

2023 年，他申請上 MIT 經濟系博士班。這裡是 Ben Bernanke、Robert Shiller 這類經濟學大咖的搖籃，每年有將近八百人申請，最後只有二十多人入學。到了這樣的地方，一般人會預期：每一篇論文、每一筆資料，都會被放大鏡檢視。也正因為如此，後面的發展才格外令人錯愕。

事情的轉折，從一個「超吸睛的研究題目」開始。Toner-Rodgers 告訴同學與老師，他透過一位舊同學，接觸到一家大型美國材料科學公司，對方在實驗室導入了一套 AI 工具，讓一千多位科學家用它來設計新材料。AI 可以根據科學家輸入的目標性質，自動產生材料配方候選，科學家再挑選、測試。聽起來非常前沿，也完全符合這個時代對 AI 的想像。

更重要的是，他宣稱自己分析這批「公司內部實驗數據」後發現：導入 AI 之後，新材料的發現變多了，專利申請增加，原型產品也更多，生產力的確提升了；但好處並不是平均分配，而是集中在原本就最頂尖的那群科學家，底部三分之一幾乎沒受惠，甚至被大量 AI 產生的「假好點子」拖累。這個結論既不是 AI 愛好者口中的大解放，也不是 AI 悲觀論者宣稱的災難，而是介於兩者之間的一種「殘酷現實版」：AI 放大菁英優勢。

這個故事有幾個「完美元素」：神祕的大公司、大規模的內部實驗、完全貼合時代的 AI 議題，再加上一個年輕、看起來有點矽谷氣質的博士新生，背後站著像 Autor、Acemoglu 這樣的名師。於是，他很快在系上的午餐報告中登場，接著在全國經濟研究局（NBER）報告，論文被引用進國會聽證，連《Nature》都寫專文介紹。他一度被視為 AI 經濟學的新星。

轉折點出現在一位局外人身上。加州大學聖地牙哥分校的電腦科學家 Charles Elkan 看完論文後，直覺覺得不對勁：以他在高盛與亞馬遜帶機器學習團隊的經驗，文中描述的技術，在那個時間點似乎「強得不太合理」；而美國真正擁有那種規模材料科學家的公司，也就 3M 和康寧，若真的研發出這樣高效的 AI 工具，理論上不會完全沒有風聲。於是他寫信給 MIT 教授，質疑這篇論文的學術誠信。（說明：Elkan在劍橋念數學，在康乃爾攻讀資工博士，同時以經濟學為博士班副修領域。）

接下來，MIT 啟動內部調查，逐步發現事情並不單純。學校追問資料來源與實驗細節時，發現無法取得可驗證的原始資料，也無法確認那個 AI 工具與實驗真的存在。同一時間，康寧向世界智慧財產權組織申訴，因為有人註冊了「corningresearch.com」這個網域。WIPO 最後認定註冊人就是 Toner-Rodgers，網域被轉回康寧名下。對外詢問時，康寧與 3M 都明確表示，沒有進行過論文中描述的實驗，也沒有提供資料給他。

在同學之間的 WhatsApp 群組裡，Toner-Rodgers 則承認自己偽造了一份「資料使用協議」，說公司原本答應合作後又想退出，他為了繼續完成論文，才動了歪腦筋。他寫道，這是「一次巨大又令人羞愧的不誠實」，事後回頭看，早該放棄這篇論文。不過，從外部看，問題已經遠遠超過「手續不完備」：如果公司否認有實驗、學界找不到真實資料與工具，就不只是程序瑕疵，而是整個研究基礎都站不住腳。

最後，MIT 發出正式聲明，表示對論文資料的來源、可靠性與有效性完全沒有信心，也不再信任研究內容的真實性，並明確表示作者已不在 MIT。這篇曾被視為 AI 生產力研究代表作之一的論文，此後也不再被 MIT 視為具可信價值的研究。

回頭看，這場學術造假為什麼會成功一段時間？

第一層，是 MIT 經濟系內部那種「高信任文化」。在這樣的地方，誠信與嚴謹被視為基本價值，導師預設學生不會捏造資料，特別是有紐約聯準銀行研究經歷、看起來一路優秀的人。大家平常檢查的是模型設計、推論是否合理，並不習慣一開始就懷疑「整個實驗是不是假的」。這次事件之後，系上開始討論是否要制度化要求研究生提供原始資料、程式碼甚至抽查資料審核，反過來說，也顯示在此之前，這些機制其實並不完整。

第二層，是 AI 熱潮帶來的敘事誘惑。AI 是這幾年最搶眼的題目之一，政府想知道它對就業的影響，企業想知道它對生產力的影響，媒體需要有戲劇性、帶故事感的研究案例。Toner-Rodgers 的故事剛好滿足了所有期待：既談生產力，又談不平等，還提供一個介於樂觀與悲觀之間的「新角度」。在這樣的氛圍下，人們更容易先被故事吸引，再回頭檢查細節。

第三層，是制度的「半套化」。系內的午餐演講、NBER 的研討會，本來設計就是讓研究在早期就能被同儕討論，大家會提問題、給建議、連結相關文獻，但並不會在那個階段做嚴格的資料鑑識。外部機構的邀請與引用，反而在心理上形成一種「應該沒問題吧」的反向鎖定：既然 NBER、國會、《Nature》都用過了，誰還會往造假方向去想？直到一位不在圈內、但對產業現實很敏感的電腦科學家，跳出來問了那句「這合理嗎？」

從這個故事，我覺得值得帶走的教訓不是「連 MIT 都不能相信」，而是「信任不能只停留在文化層次，也需要結構上的檢驗」。對學術界來說，開放資料、公開程式、要求可重複驗證，會是未來更重要的基本功；對讀者與政策圈來說，看到任何單一研究時，最好都先問幾個問題：實驗對象是誰？資料能不能被別人再現？結果和已有文獻是延伸，還是完全孤立、又剛好很戲劇化？

在 AI 熱潮之下，類似的學術敘事只會越來越多。要避免下一個「MIT 式造假」，靠的不是放棄信任，而是讓信任有制度支撐：任何再美的故事，最後都必須經得起資料與時間的檢驗。

本文為風傳媒特邀導讀人季凡撰寫，現在訂閱：風傳媒VVIP合作推薦專案，除了以全球最低優惠價，暢讀中英日文全版本之華爾街日報，還有優惠好禮大加碼！

＊作者季凡為 APcore Global Education 創辦人、財經 Podcast「Two Money Lovers 經濟學不是萬能但有用」主持人。

本文獲授權轉載自季凡，未經同意不得轉載。

更多風傳媒報導

其他人也在看