Исследование, опубликованное в журнале Science, ставит под сомнение эффективность внедрения генеративного ИИ в академическое издательское дело. Анализ показывает, что массовое использование нейросетей для подготовки рукописей приводит к увеличению времени рецензирования, снижению качества научной аргументации и росту операционных расходов издательств, несмотря на ожидания по автоматизации и ускорению цикла публикаций.
Авторы работы отмечают, что автоматизированная генерация текстов создает «шум» в академической среде, заставляя рецензентов тратить больше времени на проверку достоверности данных и выявление галлюцинаций. Вместо ожидаемого сокращения нагрузки на экспертное сообщество, ИИ-инструменты провоцируют поток низкокачественных материалов, которые требуют ручной верификации, что девальвирует процесс научного рецензирования.
Проблема также затрагивает экономическую составляющую: издательства вынуждены инвестировать в сложные системы детекции ИИ-контента, что перекладывается на стоимость публикации для авторов. В долгосрочной перспективе это создает барьеры для качественных исследований, так как ресурсы системы перераспределяются на борьбу с последствиями бесконтрольного использования генеративных моделей в научной коммуникации.
Ключевые факты
- Исследование опубликовано в журнале Science и анализирует влияние LLM на академический цикл.
- Использование ИИ привело к увеличению времени, затрачиваемого рецензентами на проверку одной статьи.
- Рост объема автоматизированного контента повышает расходы издательств на внедрение систем верификации.
- Качество научной аргументации в работах с использованием ИИ демонстрирует тенденцию к снижению по сравнению с традиционными методами подготовки рукописей.