Рост публикаций в науке из-за ИИ вызывает беспокойство по поводу качества материалов

Распространение генеративного искусственного интеллекта значительно увеличило количество научных статей, что создало дополнительные трудности для редакторов и рецензентов. Исследование, проведенное редакционной группой журнала Organization Science, охватило 6957 заявок и 10 389 рецензий, полученных в период с января 2021 года по февраль 2026 года. Появление ChatGPT в конце 2022 года совпало с резким увеличением числа поступающих работ и снижением их качества.

По данным исследования, с момента внедрения ChatGPT количество заявок возросло на 42%, и к февралю 2026 года искусственный интеллект, вероятно, использовался при написании большинства статей. Алгоритм Pangram 3.1, примененный для оценки вероятности присутствия машинного текста, показал, что среднее качество изложения по индексу удобочитаемости Флеша снизилось на 1,28 стандартного отклонения по сравнению с январем 2021 года.

Статьи, в которых участие ИИ превышало 70%, почти не проходили редакционный отбор — 70% из них отклонялись редакторами до направления на рецензию. В противоположность этому, работы с минимальным использованием ИИ отклонялись лишь в 43,7% случаев. Вероятность получения запроса на доработку также снизилась с 11,9% до 3,2% при выявлении значительного участия ИИ.

Важно отметить, что повышенная вероятность отказа сохранялась, даже если работа была стилистически аккуратной, что поднимает вопросы о научном содержании статей. Рецензии, подготовленные ИИ, были менее разнообразными и чаще акцентировались на теоретических рамках, при этом уделяя меньше внимания методам и результатам экспериментов. Однако исследователи подчеркивают, что алгоритмы не позволяют точно идентифицировать влияние ИИ на тексты, и делают выводы только на основе общих тенденций.

Несмотря на это, некоторые ученые утверждают, что ИИ может быть полезен в научной сфере. В крупном эксперименте, проведенном группой Джеймса Эванса, 6749 исследователей оценили идеи, предложенные языковыми моделями. В результате стало ясно, что популярные модели часто генерируют схожие идеи, в то время как более сложные модели могут предложить по-настоящему оригинальные мысли.

ИИ-рецензенты также демонстрируют расхождения во мнениях с профессиональными экспертами. Модель Qwen3-14B, обученная на рецензиях, подготовленных учеными, показала лучшие результаты по сравнению с универсальными моделями, превосходя их на 27%. Исследователи приходят к выводу, что ИИ уже облегчает поиск данных, написание программ и подготовку текстов, однако без человеческой проверки и корректировки системы оценки научной работы это может привести к неконтролируемому росту числа публикаций, а не к увеличению объема новых знаний.