به گزارش ایسنا، نشریه نیچر در گزارشی به یک مطالعه جدید پرداخته که نشان می‌دهد در حدود ۹۰ درصد از مقالات علمی که در دسامبر ۲۰۲۵ منتشر شده است، نشانه‌هایی از استفاده از هوش مصنوعی وجود دارد. این مطالعه که حدود ۱۰ روز پیش در پایگاه مقالات پیش‌چاپ «آرکایو» (arXiv) منتشر شده و هنوز به داوری همتا نرسیده است، نشان می‌دهد استفاده از مدل‌های زبانی بزرگ در مقالات علمی به‌سرعت در حال افزایش است. بر اساس این مطالعه، در میان مقالات انگلیسی‌زبان منتشرشده در سال ۲۰۲۵ و آرشیوشده در «پاب‌مد سنترال» (PubMed Central)، نشانه‌های استفاده از مدل‌های زبانی بزرگ در ۷۷ درصد مقالات دیده می‌شود. این رقم برای مقالات منتشرشده در سال ۲۰۲۴، ۵۲ درصد بوده است.

برآوردی بسیار بالاتر از مطالعات قبلی

این ارقام به‌مراتب بالاتر از برآوردهای قبلی درباره استفاده از مدل‌های زبانی بزرگ در مقالات علمی است. در مطالعه‌ای که در سال ۲۰۲۵ منتشر شد و برخی از همین پژوهشگران نیز در آن حضور داشتند، چکیده مقالات موجود در «پاب‌مد» (PubMed) بررسی شده بود. در آن مطالعه، میزان استفاده از مدل‌های زبانی بزرگ در سال ۲۰۲۴، حداقل ۱۳.۵ درصد برآورد شده بود. در مقابل، مطالعه‌ای دیگر که در سال ۲۰۲۶ و در حوزه‌های مختلف دانشگاهی انجام شد، نشان داد احتمالاً ۵۷ درصد مقالات علمی منتشرشده در سال ۲۰۲۵ تحت تأثیر هوش مصنوعی بوده‌اند.

حتی پژوهشگران هم از رقم جدید شگفت‌زده شدند

«دیمیتری کوباک» (Dmitry Kobak)، دانشمند علوم رایانه در دانشگاه «خنت» (Ghent University) بلژیک و یکی از نویسندگان مطالعه جدید، می‌گوید که حتی خودش در ابتدا به نتایج به‌دست‌آمده شک داشت. او می‌گوید: «مطمئن بودم که یک جای کار را اشتباه کرده‌ایم.» با این حال، بررسی‌های بیشتر نشان داد داده‌ها و محاسبات مطالعه قابل اتکا هستند. پژوهشگران در این مطالعه نیز مانند بسیاری از تحقیقات قبلی، برای شناسایی نشانه‌های استفاده از مدل‌های زبانی بزرگ، فراوانی واژه‌هایی را بررسی کردند که این مدل‌ها معمولاً در متن تولید می‌کنند.

«کوباک» معتقد است علت بالاتر بودن رقم جدید، روش متفاوتی است که تیم پژوهش برای شناسایی استفاده از هوش مصنوعی به کار گرفته است. این روش حساسیت بیشتری به استفاده از مدل‌های زبانی بزرگ دارد و در نتیجه می‌تواند به برآورد بالاتری منجر شود. این روش برخلاف روش‌هایی که صرفاً حداقل میزان استفاده از هوش مصنوعی را برآورد می‌کنند، امکان ارائه یک برآورد مستقیم را فراهم می‌کند. به همین دلیل، برآورد میزان استفاده از مدل‌های زبانی بزرگ در چکیده مقالات سال ۲۰۲۴ را از ۱۳.۵ درصد به ۳۱ درصد افزایش داده است.

پژوهشگران احتمال می‌دهند رقم واقعی حتی بالاتر باشد

نویسندگان مطالعه همچنین می‌گویند نتایج آن‌ها با یافته‌های یک نظرسنجی در سال ۲۰۲۵ همخوانی دارد. در آن نظرسنجی، ۷۱ درصد پژوهشگران اعلام کرده بودند که برای کمک به نگارش از هوش مصنوعی استفاده می‌کنند. به گفته پژوهشگران، حتی این رقم نیز احتمالاً کمتر از میزان واقعی استفاده از هوش مصنوعی است؛ چراکه ممکن است افراد در نظرسنجی‌ها میزان واقعی استفاده خود را اعلام نکنند.

پژوهشگران دیگری که با «نیچر» (Nature) گفت‌وگو کرده‌اند نیز معتقدند ارقام بالای این مطالعه، با توجه به گسترش استفاده از مدل‌های زبانی بزرگ، چندان دور از انتظار نیست. با این حال، آن‌ها هشدار می‌دهند که این ارقام لزوماً نماینده کل ادبیات علمی جهان نیست و برای مشخص شدن میزان واقعی استفاده از هوش مصنوعی در پژوهش‌های علمی، به بررسی‌های بیشتری نیاز است.

با این حال، «کایل سیلر» (Kyle Siler)، دانشمند علوم اجتماعی در دانشگاه تورنتو (University of Toronto) کانادا و نویسنده مطالعه سال ۲۰۲۶ که میزان پایین‌تری از استفاده از مدل‌های زبانی بزرگ را برآورد کرده بود، معتقد است یک نکته از نتایج این پژوهش روشن است: مدل‌های زبانی بزرگ به بخشی ماندگار از فرایند پژوهش علمی تبدیل شده‌اند. او می‌گوید: «دیگر کار از کار گذشته و این روند قرار نیست به عقب برگردد.»

هوش مصنوعی بیشتر در چکیده و بخش بحث مقالات

مطالعه جدید همچنین نشان می‌دهد استفاده از مدل‌های زبانی بزرگ در چکیده، مقدمه و بخش بحث مقالات بیشتر از بخش‌های «روش‌ها» و «نتایج» است. بر اساس این مطالعه، در ۷۸ درصد بخش‌های بحث مقالات منتشرشده در دسامبر ۲۰۲۵ نشانه‌هایی از استفاده از هوش مصنوعی دیده شده است. این رقم در بخش نتایج ۵۸ درصد بوده است. کوباک می‌گوید استفاده از هوش مصنوعی در نوشتن بخش نتایج می‌تواند نگران‌کننده باشد؛ چراکه مدل‌های زبانی بزرگ ممکن است داده‌های جعلی تولید کنند یا به اصطلاح دچار «توهم» (hallucination) شوند.

از سوی دیگر، استفاده از این مدل‌ها برای نوشتن یا ویرایش مقدمه مقالات نیز می‌تواند بر ایده‌های غالب در یک حوزه علمی اثر بگذارد. «کوباک» هشدار می‌دهد: «هر سوگیری که ممکن است مدل زبانی بزرگ داشته باشد، ناگهان در سراسر ادبیات علمی منتشر می‌شود.»

مشکل تشخیص میزان واقعی استفاده از هوش مصنوعی

«اندرو گری» (Andrew Gray)، مسئول پشتیبانی کتاب‌سنجی (bibliometrics) در دانشگاه کالج لندن (University College London) و نویسنده مطالعه‌ای در سال ۲۰۲۵، یکی دیگر از مشکلات روش‌های فعلی شناسایی استفاده از هوش مصنوعی را مطرح می‌کند. به گفته او، ابزارهای فعلی نمی‌توانند به‌خوبی تشخیص دهند که یک متن کاملاً توسط هوش مصنوعی تولید شده یا اینکه نویسنده فقط برای اصلاح دستور زبان و روان‌تر شدن متن از هوش مصنوعی کمک گرفته است.

این مسئله کار نشریات علمی را برای شناسایی و حذف مقالاتی که محتوای کم‌کیفیت تولیدشده با هوش مصنوعی دارند، دشوارتر می‌کند؛ چراکه مقالاتی که به هر میزان از هوش مصنوعی کمک گرفته‌اند، ممکن است ویژگی‌های زبانی مشابهی داشته باشند.

استفاده بیشتر از هوش مصنوعی در میان نویسندگان غیرانگلیسی‌زبان

مطالعه جدید همچنین نشان داده است که استفاده از مدل‌های زبانی بزرگ در مقالاتی که نویسندگان آنها در کشورهایی زندگی می‌کنند که زبان انگلیسی زبان غالب آنها نیست، بیشتر است. کوباک می‌گوید این موضوع چندان تعجب‌آور نیست؛ چراکه پژوهشگرانی که انگلیسی زبان اولشان نیست، معمولاً از مدل‌های زبانی بزرگ برای ترجمه متن و اصلاح دستور زبان انگلیسی استفاده می‌کنند.

سیلر نیز معتقد است تحقیقات آینده نباید فقط به این پرسش پاسخ دهند که چه کسانی از مدل‌های زبانی بزرگ استفاده می‌کنند؛ بلکه باید بررسی کنند این افراد دقیقاً چگونه از این ابزارها استفاده می‌کنند.

نشریات به دنبال تفکیک استفاده مجاز از محتوای بی‌کیفیت هوش مصنوعی

برای اینکه استفاده موجه و قابل قبول از هوش مصنوعی از تولید محتوای کم‌کیفیت تولیدشده با هوش مصنوعی (AI slop) تفکیک شود، بسیاری از نشریات علمی اکنون از پژوهشگران می‌خواهند هنگام ارسال مقاله توضیح دهند که چه زمانی و چگونه از هوش مصنوعی استفاده کرده‌اند. با این حال، «لنا هولتس‌وارت» (Lena Holzwarth)، دانشمند علوم شناختی و نویسنده اول مطالعه جدید که در زمان انجام این پژوهش در دانشگاه «اِبِرهارد کارلز توبینگن» (Eberhard Karls University of Tübingen) آلمان فعالیت می‌کرد، معتقد است پژوهشگران همچنان باید در استفاده از این ابزارها محتاط باشند. او می‌گوید درگیر شدن با ایده‌ها، کلنجار رفتن با آن‌ها و تبدیل افکار به کلمات، بخش مهمی از فرایند علمی است و اگر پژوهشگران برای نوشتن مقاله کاملاً به مدل‌های زبانی بزرگ تکیه کنند، این بخش مهم از فرایند فکری را از دست می‌دهند.

انتهای پیام