Искусственный интеллект всё активнее используется для проверки научных публикаций и баз данных. Недавние примеры показывают, как ИИ-агенты обнаруживают неточности, которые оставались незамеченными десятилетиями.
Теоретический химик Себастьян Пиос из Zhejiang Lab в Ханчжоу применил ИИ-модель для предсказания точек кипения молекул. Система выдала значения, противоречащие данным из справочника 75-летней давности. Сначала Пиос заподозрил ошибку модели, но проверка оригинальных источников показала обратное: неверными оказались именно справочные данные.
В других случаях ИИ выявил опечатку в статье и неправильные значения измерений точек кипения столетней давности. Эти ошибки, по словам Пиоса, могли доставить исследователям немало проблем при использовании базы.
Подобные инструменты применяют и для аудита конференционных работ. В анализе SAI Labs ИИ-агенты проверили 168 статей с устных докладов ICML 2026. Из 92 работ с достаточным количеством проверяемых утверждений агенты смогли воспроизвести более двух из пяти ключевых claims только в 34 случаях. Полностью — более 80 % утверждений — удалось повторить лишь в восьми статьях.
Джеймс Цзоу из Стэнфорда и коллеги разработали «ИИ-проверяльщик», который сканировал статьи NeurIPS. Число объективных ошибок в формулах, расчётах и рисунках выросло с 3,8 на статью в 2021 году до 5,9 в 2025-м — прирост на 55 %. Такие инструменты позволяют работать в масштабах, недоступных человеку.
Однако эксперты предупреждают: ИИ тоже ошибается. Одд Эрик Гундерсен из Норвежского университета науки и технологий подчёркивает необходимость человеческого контроля. Как же обеспечить надёжность научного знания в эпоху автоматизированной проверки?
Анализ фокусируется на объективных ошибках, оставляя вопросы новизны и значимости на усмотрение людей. Это помогает избежать перегрузки ИИ субъективными суждениями.
