Шквал AI-статей парализовал работу научных журналов

Индустрия буквально захлебнулась в низкокачественном контенте, созданном с помощью AI. Это порождает так называемый "научный мусор" — статьи, которые перегружают редакционные процессы.

Как это работает

В сети полно инструкций по автоматизации написания статей с помощью AI. Блогеры показывают, как брать данные из открытых источников, например, исследований Global Burden of Disease или NHANES, находить случайные связи и с помощью AI превращать это в готовую статью.

Современные системы, такие как Prism от OpenAI, могут больше: они самостоятельно анализируют данные, формулируют гипотезы и пишут полные статьи с графиками и ссылками. На это уходит менее 30 минут.

Последствия для науки

Такой наплыв статей создает серьезные проблемы. Редакторы и рецензенты не справляются с возросшим объемом. Это изматывает экспертов, и поиск рецензентов становится настоящим испытанием — иногда приходится обзванивать до двадцати человек, чтобы найти двух согласившихся.

Ситуацию усугубляет академическая гонка «публикуйся или умри», вынуждающая ученых гнаться за количеством ради карьеры. Кроме того, современные AI-модели стали настолько продвинутыми, что отличить подлинную научную работу от сгенерированной AI становится крайне сложно.

Цифры говорят сами за себя

Крупные журналы, например, *Security Dialogue* и *Accountability in Research*, фиксируют рост объема подачи рукописей на 60–100%. Скорость впечатляет: Prism готовит материал с графиками менее чем за 30 минут. Исследование в Nature выявило, что ученые, использующие AI, публикуются в три раза чаще и быстрее продвигаются по карьерной лестнице.

Проблема обнаружения

Более 50% исследователей признались в использовании AI при рецензировании. Издательства фиксируют рост числа статей на 20% и более, часто называя эту динамику «положительным трендом» в своих отчетах.

Существующие решения не работают

Системы, призванные выявлять AI-тексты, оказались неэффективными. Они фокусируются на обнаружении "искаженных фраз" или поддельных изображений, что является лишь временной мерой. Автоматическое создание статей занимает минуты, тогда как проверка экспертом — часы, создавая непреодолимый временной разрыв.

Нужны структурные изменения

Предлагаются новые подходы: вместо выявления подделок, акцент делается на прозрачности происхождения работы. Это может включать использование водяных знаков на изображениях или требование раскрытия данных. Эксперты настаивают: пора уходить от оценки исследователей по количеству статей в пользу качества их реального вклада. Ключевой вопрос: что важнее — вал публикаций или реальные знания?

Ранее по теме
Медицинские AI-помощники в Онтарио допускают опасные ошибки

Больше новостей в нашем Телеграм. Подпишись!

Ссылка на источник тык.