Вопрос «может ли искусственный интеллект писать научные работы» в последние два года стал почти дежурным. Сформулирован он, однако, не вполне корректно. Продуктивнее спрашивать иначе: решение каких задач научной работы ИИ действительно ускоряет, а где его участие создаёт риски для достоверности научных результатов. Под «ответственным применением ИИ» в науке понимается использование ИИ-модели как инструмента — профессиональным исследователем или под его контролем, — а не как автора, снимающего с человека ответственность за результат.
Где ИИ действительно помогает
Сильная сторона языковых моделей заключается, в первую очередь, в выполнении рутинных действий, поддающихся формализации. ИИ-модель способна проверить структуру текста и полноту его разделов, помочь с черновым переводом, составить аннотацию для готовой научной статьи, а при грамотно заданном чек-листе — провести предварительное рецензирование по формальным критериям. Заметим, что во всех этих случаях модель работает с уже существующим содержанием, а не порождает научное знание. Именно на этом основана предложенная Газиевой Инной Александровной методика ИИ-рецензирования по критериям ВАК и ведущих журналов, внесённых в международные научные базы данных (Scopus, WoS и др.), где модель проверяет научную работу по пунктам, а оценку выносит специалист.
Чего ИИ не делает
Границы инструмента столь же важны, как и его возможности. Языковая модель не обладает подлинной научной экспертизой и не создаёт новизну — она статистически воспроизводит наиболее вероятное продолжение текста. Отсюда возникают два системных риска: «галлюцинации» (уверенно сформулированные, но недостоверные утверждения) и фабрикация источников — несуществующие ссылки, оформленные по всем библиографическим правилам, иногда даже с DOI, которых при проверке не оказывается. Думается, что недооценка именно этих свойств и порождает большинство проблем при неаккуратном использовании ИИ в исследовании.
Принцип ответственности: верификация и честность
Из сказанного следует простое правило: всё, что предложила модель, подлежит проверке исследователем — от фактического утверждения до каждой ссылки. Ответственность за текст остаётся на авторе целиком и не делегируется ИИ-инструменту. Такой подход, заключающийся в методологической строгости и честности оговорок, автор методики разбирает подробнее на примере рецензирования научной статьи: https://inna-gazieva.ru/blog/ai-recenzent-nauchnoj-stati/
Заключение
ИИ в научной работе уместен там, где ускоряет проверяемую рутину, и неуместен там, где подменяет собой научное суждение. Граница проходит не по инструменту, а по мере ответственности исследователя: модель помогает видеть, но выводы делает и отвечает за них человек.
Источники
- Газиева И. А. Как использовать нейросеть для рецензии научной статьи. — inna-gazieva.ru/blog/ai-recenzent-nauchnoj-stati/
- COPE. Authorship and AI tools : COPE position statement. — 13.02.2023. — URL: https://publicationethics.org/guidance/cope-position/authorship-and-ai-tools
- Газиева И. А. Социология ценностей: методология исследования : монография. — М.: ИНФРА-М, 2024. — 253 с. — DOI 10.12737/2133680.
