ИИ наводнил научные журналы статьями — и в этом пока мало хорошего

Распространение генеративного искусственного интеллекта резко увеличило поток научных работ, одновременно создав дополнительную нагрузку на редакторов и рецензентов. Редакционная группа журнала Organization Science проанализировала 6957 заявок и 10 389 рецензий, поступивших с января 2021 по февраль 2026 года. Появление ChatGPT в конце 2022 года совпало с началом резкого роста количества работ, а также со снижением качества материалов.

Репортаж с IEM Cologne Major 2026: Жаб Жабыч, триумф NiKo и главные сенсации мейджора по CS2

Выбираем лучший игровой ноутбук до 100 000 рублей: сравнительное тестирование 7 интересных моделей

Обзор Infinix GT 50 Pro: геймерский смартфон со встроенной СЖО

Умные помощники: обзор ИИ-сервисов для обработки изображений. Часть 2, актуализированная

Обзор Ryzen 9 9950X3D2: правильный 16-ядерник с 3D-кешем

Источник изображения: ИИ-генерация ChatGPT/3DNews

Выяснилось, что после распространения ChatGPT число заявок выросло на 42 %, а к февралю 2026 года ИИ, по всей видимости, в той или иной степени использовался при написании большинства поступавших статей. Для оценки применялся алгоритм Pangram 3.1, оценивающий вероятный показатель присутствия машинного текста в статьях. По индексу удобочитаемости Флеша среднее качество изложения к январю 2026 года снизилось на 1,28 стандартного отклонения по сравнению с январём 2021 года.

Работы с показателем участия ИИ свыше 70 % почти не проходили редакционный отбор — в 70 % случаев они отклонялись редакторами ещё до передачи рецензентам. В то же время тексты с минимальными признаками использования ИИ отклонялись лишь в 43,7 % случаев. Вероятность получения запроса на доработку также уменьшалась с 11,9 % до 3,2 % при выявлении значительного использования ИИ при подготовке работы.

Что важно, статистическая модель показала, что повышенная вероятность отказа сохранялась даже несмотря на гладкое и стилистически аккуратное изложение работы, а это камень в огород научного содержания статей — оно также было ниже всякой критики. Рецензии, подготовленные ИИ, также оказались менее разнообразными: в них чаще обсуждались теоретические рамки статьи, но уделялось меньше внимания данным, методам и результатам экспериментов. Авторы подчёркивают, что алгоритмы пока не позволяют гарантированно идентифицировать влияние ИИ на тексты работ, поэтому они могут говорить лишь об общих тенденциях.

Однако учёные считают, что ИИ не обязательно вредит науке. В крупном эксперименте группа Джеймса Эванса (James Evans) предложила исследователям оценить идеи, придуманные языковыми моделями. В итоге 6749 учёных дали более 25 тыс. оценок, сравнивая новизну, практическую ценность и правдоподобие гипотез. Популярные языковые модели часто предлагали похожие идеи, тогда как более продвинутые модели могли по-настоящему удивить новизной.

ИИ-рецензенты также часто расходились во мнениях с профессиональными экспертами-людьми. При этом модель Qwen3-14B, специально обученная на рецензиях, подготовленных учёными, в роли рецензента оказалась лучше универсальных моделей, показав превосходство над ними до 27 %. Вывод исследователей таков: ИИ уже помогает быстрее искать данные, писать программы и готовить тексты, но без проверки человеком и изменения системы оценки научной работы он может привести к плохо контролируемому росту числа публикаций, а не к увеличению объёма новых знаний.