8 artykułów
95,6 proc. studentów używa AI w nauce, ale badania wskazują na ryzyko zastąpienia myślenia. Stanford alarmuje: brak jest wiarygodnych dowodów na to, czy AI pomaga czy szkodzi.
Sieci firm sprzedających autorstwo w pracach naukowych produkują artykuły na skalę przemysłową, a generatywna AI obniża koszt produkcji fałszywych badań. Na szali trafia wiarygodność nauki, na której opierają się decyzje lekarzy i urzędników.
Liczba podejrzanych publikacji naukowych rośnie dziesięć razy szybciej niż literatura w ogóle. Badanie PNAS z 2025 r. odsłania sieć korumpowanych redaktorów i maklerów, którzy przepuszczają fabrykowane artykuły. AI ułatwia produkcję fałszywek na skalę przemysłową.
Badanie modelowe zespołu z Uniwersytetu Waszyngtońskiego przewiduje, że naukowcy korzystający z dużych modeli językowych będą publikować więcej, a dopracowywać prace mniej. Szybkość narzędzia okazuje się pułapką instytucjonalną, a nie obietnicą.
Eksperyment z monitorowaniem aktywności mózgu sugerował, że osoby piszące esej z LLM angażowały mózg słabiej i pamiętały mniej. Interpretacje i zastrzeżenia.
Coraz więcej recenzentów używa modeli językowych do oceny prac naukowych. To rodzi nowe zagrożenia: fałszywe recenzje, utrata eksperckiej wiedzy i erozja zaufania do procesu peer review.
arXiv otrzymał w 2025 roku prawie 285 tysięcy zgłoszeń, o 17 procent więcej rok do roku, a jego kategoria informatyczna zalała się pracami przeglądowymi pisanymi przez modele językowe. Serwis zareagował twardymi zasadami — i to dobry moment, by zapytać, kto właściwie pilnuje jakości, gdy recenzentem jest też AI.
Rejestry retrakcji notują rekordowe liczby wycofanych prac, a fabryki publikacji adoptują generatywną AI. Wiarygodność nauki przechodzi próbę.