AI w publikacjach naukowych

Jeszcze niedawno elegancki, skomplikowany język był w nauce znakiem jakości. Im trudniej się czytało, tym większe było podejrzenie, że autor naprawdę „wie, co robi”. Dziś ta intuicja zaczyna zawodzić. I to w sposób, który powinien nas wszystkich zaniepokoić.

 

 

Na łamach prestiżowego czasopisma „Science” ukazało się badanie sugerujące, że sztuczna inteligencja – a konkretnie duże modele językowe, takie jak ChatGPT – zmieniają naukę szybciej, niż jesteśmy w stanie ją zrozumieć.

 

Więcej artykułów niż kiedykolwiek wcześniej

Zespół badaczy z Cornell University i UC Berkeley przeanalizował ponad dwa miliony naukowych preprintów z lat 2018–2024. To okres, w którym AI wkroczyła do codziennej pracy naukowców. Wynik? Prawdziwa eksplozja produktywności.

Naukowcy korzystający z AI zaczęli publikować nawet o połowę więcej prac niż wcześniej. W niektórych dziedzinach tempo wzrostu było wręcz szokujące. Z punktu widzenia statystyk – sukces. Z punktu widzenia jakości? Tu zaczynają się schody.

 

Piękne słowa, słaba treść

Badacze zauważyli coś niepokojącego. Artykuły pisane z pomocą AI są zazwyczaj bardziej skomplikowane językowo: długie zdania, specjalistyczne słownictwo, akademicki ton. Brzmią bardzo profesjonalnie. Problem w tym, że – jak pokazują recenzje – często nie idzie za tym merytoryczna treść.

W tradycyjnych pracach było odwrotnie: bardziej złożony język zwykle oznaczał lepszą jakość naukową. W tekstach wspieranych przez AI ta relacja się odwraca. Im bardziej „wyrafinowany” styl, tym większe ryzyko, że artykuł zostanie oceniony jako słaby merytorycznie. To trochę tak, jakby błyszczące opakowanie coraz częściej kryło pustą zawartość.

 

Recenzenci mają problem

Aby upewnić się, że to nie przypadek, naukowcy przyjrzeli się także tysiącom recenzji z jednej z największych konferencji poświęconych sztucznej inteligencji. Efekt był ten sam.

Recenzenci – mimo doświadczenia – coraz częściej gubią się w gąszczu językowo wyszukanych tekstów. Styl przestaje być pomocną wskazówką. A skoro nie można polegać na języku, jak odróżnić dobrą naukę od złej?

 

AI wyrównuje szanse… i komplikuje sprawę

Nie wszystko jednak wygląda ponuro. AI okazała się ogromnym wsparciem dla naukowców, którzy wcześniej byli na straconej pozycji – zwłaszcza tych, dla których angielski nie jest językiem ojczystym.

Dzięki AI mogą pisać szybciej, sprawniej i bardziej „akademicko”. Dla badaczy z Azji oznaczało to skok produktywności sięgający nawet kilkudziesięciu procent. To realna demokratyzacja nauki. Ale jest też druga strona medalu. Gdy wszyscy piszą równie dobrze, język przestaje być wyróżnikiem. Wtedy rośnie pokusa, by oceniać prace nie po treści, lecz po… nazwisku autora albo prestiżu uczelni.

 

Zalew nauki, której jest „za dużo”

Największym zagrożeniem nie jest sama AI, lecz jej skala. Jeśli literatura naukowa zacznie się wypełniać tysiącami artykułów, które brzmią świetnie, ale niewiele wnoszą, ucierpi cały system.

Czas naukowców jest ograniczony. Każdy słaby artykuł to godziny stracone na czytanie, recenzowanie i sprawdzanie czegoś, co nigdy nie powinno było powstać.

 

AI jako nowy przewodnik po wiedzy

Co ciekawe, badanie pokazuje też jasną stronę tej rewolucji. AI pomaga naukowcom lepiej poruszać się po oceanie wiedzy.

Badacze korzystający z modeli językowych:
● częściej sięgają po książki,
● szybciej docierają do najnowszych publikacji,
● eksplorują mniej oczywiste źródła.

W tym sensie AI działa jak inteligentny bibliotekarz, który pomaga odnaleźć sens w informacyjnym chaosie.

 

Co dalej z nauką?

Nie ma wątpliwości: nauka znalazła się na rozdrożu. Skoro nie możemy już polegać na stylu i języku, musimy wrócić do podstaw — metod, danych i logiki wnioskowania.

Pojawia się też pytanie, które jeszcze niedawno brzmiało jak science fiction: czy AI będzie nie tylko pisać artykuły, ale także je recenzować? A jeśli tak – jaka będzie rola człowieka?

Nauczyliśmy maszyny pisać jak naukowcy szybciej, niż nauczyliśmy się rozpoznawać dobrą naukę. Dziś tekstów jest więcej niż kiedykolwiek wcześniej. Ale wartościowego wkładu – niekoniecznie.

Czy potrafimy jeszcze odróżnić prawdziwe odkrycia od dobrze brzmiących pozorów? Jeśli nie, grozi nam świat, w którym każdy artykuł wygląda jak przełom… a niewiele z nich naprawdę nim jest.

Warto jednak zauważyć, że zastosowana w badaniu metoda detekcji treści generowanych przez AI opierała się na analizie abstraktów, a nie całych tekstów, co może nie oddawać pełnej skali zjawiska. Ponadto wykorzystane dane pochodzą z okresu przed upowszechnieniem się najnowszych LLM-ów zdolnych do „rozumowania”, więc obserwowane efekty mogą ulec zmianie wraz z ulepszaniem technologii.