Trí tuệ nhân tạo (AI) đang ngày càng được sử dụng tích cực để kiểm tra các ấn phẩm khoa học và cơ sở dữ liệu. Những ví dụ gần đây cho thấy cách các tác nhân AI phát hiện ra những điểm không chính xác đã bị bỏ qua trong nhiều thập kỷ.
Nhà hóa học lý thuyết Sebastian Pios từ Zhejiang Lab ở Hàng Châu đã áp dụng một mô hình AI để dự đoán điểm sôi của các phân tử. Hệ thống đã đưa ra các giá trị mâu thuẫn với dữ liệu từ một cuốn sổ tay có từ 75 năm trước. Ban đầu, Pios nghi ngờ mô hình có lỗi, nhưng việc kiểm tra các nguồn gốc cho thấy điều ngược lại: chính dữ liệu trong sổ tay mới là không chính xác.
Trong các trường hợp khác, AI đã phát hiện lỗi đánh máy trong một bài báo và các giá trị đo điểm sôi không chính xác có từ một thế kỷ trước. Theo Pios, những sai sót này có thể đã gây ra không ít vấn đề cho các nhà nghiên cứu khi sử dụng cơ sở dữ liệu.
Các công cụ tương tự cũng được sử dụng để kiểm tra các công trình hội nghị. Trong một phân tích của SAI Labs, các tác nhân AI đã xem xét 168 bài báo từ các báo cáo miệng tại ICML 2026. Trong số 92 công trình có đủ số lượng tuyên bố có thể kiểm chứng, các tác nhân chỉ có thể tái tạo hơn hai trong số năm tuyên bố chính trong 34 trường hợp. Chỉ có tám bài báo mới có thể lặp lại hoàn toàn — hơn 80% các tuyên bố.
James Zou từ Stanford và các đồng nghiệp đã phát triển một 'công cụ kiểm tra AI' để quét các bài báo của NeurIPS. Số lượng lỗi khách quan trong công thức, tính toán và hình vẽ đã tăng từ 3,8 lỗi mỗi bài vào năm 2021 lên 5,9 lỗi vào năm 2025 – mức tăng 55%. Những công cụ như vậy cho phép thực hiện công việc ở quy mô mà con người không thể đạt được.
Tuy nhiên, các chuyên gia cảnh báo: AI cũng có thể mắc lỗi. Odd Erik Gundersen từ Đại học Khoa học và Công nghệ Na Uy nhấn mạnh sự cần thiết của sự kiểm soát từ con người. Vậy làm thế nào để đảm bảo độ tin cậy của kiến thức khoa học trong thời đại kiểm tra tự động?
Phân tích tập trung vào các lỗi khách quan, để lại những câu hỏi về tính mới mẻ và ý nghĩa cho sự đánh giá của con người. Điều này giúp tránh việc AI bị quá tải với các phán đoán chủ quan.
