वैज्ञानिक प्रकाशनों और डेटाबेस की जाँच के लिए आर्टिफिशियल इंटेलिजेंस का उपयोग तेज़ी से बढ़ रहा है। हाल के उदाहरण दर्शाते हैं कि कैसे एआई एजेंट ऐसी अशुद्धियों का पता लगा रहे हैं जो दशकों से अनदेखी थीं।
हांग्जो में झेजियांग लैब के सैद्धांतिक रसायनज्ञ सेबेस्टियन पिओस ने अणुओं के क्वथनांक की भविष्यवाणी करने के लिए एक एआई मॉडल का उपयोग किया। इस प्रणाली ने ऐसे मान दिए जो 75 साल पुरानी संदर्भ पुस्तिका के डेटा के विपरीत थे। शुरुआत में, पिओस को मॉडल में त्रुटि का संदेह हुआ, लेकिन मूल स्रोतों की जाँच से इसके विपरीत पता चला: संदर्भ डेटा ही गलत निकला।
अन्य मामलों में, एआई ने एक लेख में एक टंकण त्रुटि और सौ साल पुराने क्वथनांक माप के गलत मानों का खुलासा किया। पिओस के अनुसार, इन त्रुटियों के कारण डेटाबेस का उपयोग करने वाले शोधकर्ताओं को काफी समस्याएँ हो सकती थीं।
ऐसे उपकरण कॉन्फ़्रेंस पेपरों की जाँच के लिए भी उपयोग किए जाते हैं। साई लैब्स (SAI Labs) के विश्लेषण में, एआई एजेंटों ने आईसीएमएल 2026 (ICML 2026) के मौखिक प्रस्तुतियों से 168 शोधपत्रों की जाँच की।
92 ऐसे शोधपत्रों में, जिनमें सत्यापन योग्य दावों की पर्याप्त संख्या थी, एजेंट पाँच प्रमुख दावों में से दो से अधिक को केवल 34 मामलों में ही दोहरा पाए। पूरी तरह से — 80% से अधिक दावों को — केवल आठ शोधपत्रों में ही दोहराया जा सका।
स्टैनफोर्ड के जेम्स ज़ौ और उनके सहयोगियों ने एक "एआई चेकर" विकसित किया, जिसने न्यूरिप्स (NeurIPS) के लेखों को स्कैन किया। फ़ॉर्मूलों, गणनाओं और चित्रों में वस्तुनिष्ठ त्रुटियों की संख्या 2021 में प्रति लेख 3.8 से बढ़कर 2025 में 5.9 हो गई — यह 55% की वृद्धि है। ऐसे उपकरण उन पैमानों पर काम करने में सक्षम बनाते हैं जो मनुष्यों के लिए दुर्गम हैं।
हालांकि, विशेषज्ञ चेतावनी देते हैं: एआई भी गलतियाँ करता है। नॉर्वेजियन यूनिवर्सिटी ऑफ साइंस एंड टेक्नोलॉजी के ऑड एरिक गुंडरसन मानवीय निगरानी की आवश्यकता पर जोर देते हैं। स्वचालित सत्यापन के युग में वैज्ञानिक ज्ञान की विश्वसनीयता कैसे सुनिश्चित की जा सकती है?
यह विश्लेषण वस्तुनिष्ठ त्रुटियों पर केंद्रित है, नवाचार और महत्व के प्रश्नों को मनुष्यों के विवेक पर छोड़ते हुए। यह एआई को व्यक्तिपरक निर्णयों से ओवरलोड होने से बचाने में मदद करता है।
