Штучний інтелект дедалі активніше застосовується для перевірки наукових публікацій та баз даних. Недавні приклади демонструють, як ІІ-агенти знаходять неточності, що залишалися непоміченими протягом десятиліть.
Теоретичний хімік Себастьян Піос із Zhejiang Lab у Ханчжоу використав модель штучного інтелекту для прогнозування точок кипіння молекул. Система видала значення, які суперечили даним із довідника 75-річної давнини. Спочатку Піос запідозрив помилку в моделі, але перевірка оригінальних джерел довела протилежне: хибними виявилися саме довідкові дані.
В інших випадках ІІ виявив друкарську помилку у статті та невірні значення вимірювань точок кипіння столітньої давнини. Ці помилки, за словами Піоса, могли спричинити чимало проблем для дослідників під час використання бази даних.
Подібні інструменти також застосовують для аудиту конференційних робіт. Наприклад, в аналізі SAI Labs ІІ-агенти перевірили 168 статей з усних доповідей ICML 2026.
Із 92 робіт із достатньою кількістю тверджень, що підлягали перевірці, агенти змогли відтворити понад дві з п’яти ключових тез лише у 34 випадках. Повністю — понад 80 % тверджень — вдалося повторити лише у восьми статтях.
Джеймс Цзоу зі Стенфорда та його колеги розробили «ІІ-перевіряльник», який сканував статті NeurIPS. Кількість об'єктивних помилок у формулах, розрахунках та малюнках зросла з 3,8 на статтю у 2021 році до 5,9 у 2025-му, що становить приріст на 55 %. Такі інструменти дають змогу працювати в масштабах, недоступних для людини.
Однак експерти попереджають: штучний інтелект теж може помилятися. Одд Ерік Гундерсен із Норвезького університету науки і технологій наголошує на необхідності людського контролю. Як же забезпечити надійність наукового знання в епоху автоматизованої перевірки?
Аналіз зосереджується на об'єктивних помилках, залишаючи питання новизни та значущості на розсуд людей. Це допомагає уникнути перевантаження ІІ суб'єктивними судженнями.
