К концу 2025 года 9 из 10 биомедицинских научных статей написаны с помощью ИИ

К концу 2025 года 89% биомедицинских публикаций в свободном доступе содержат следы генеративной правки или создания с задействованием больших языковых моделей. К такому выводу пришла международная научная группа, разработавшая принципиально новый статистический подход. В отличие от существовавших ранее методик, фиксировавших исключительно нижний порог задействования LLM, данная разработка впервые позволяет определить долю текстов, подвергшихся влиянию ИИ, с максимальной точностью. Инструмент был опробован на массивной выборке из 1 194 287 полнотекстовых работ из репозитория PubMed Central, охватывающей временной отрезок с 2017 по 2025 год.

В основе алгоритма лежит мониторинг частотности 379 грамматических и стилистических маркеров — в частности, лексем вроде these, potential и delves, — употребление которых лавинообразно возросло после релиза ChatGPT в конце 2022 года. Для каждого сигнального слова формировался контрфактический прогноз: линейная регрессионная модель на основе ретроспективных данных 2018–2022 годов экстраполировалась на период 2023–2025 годов, а расхождение между реальными и ожидаемыми показателями определяло долю затронутых ИИ материалов. Учёные отбирали оптимальную по объёму подгруппу лексики, обеспечивавшую пиковое значение расчётной доли при погрешности, не превышающей 2,5 процентных пункта. Тестирование на синтетических датасетах (100 тысяч документов ежегодно с реалистичными вводными) подтвердило, что погрешность методики удерживается в пределах 2 процентных пунктов во всём спектре возможных значений.

Нормализация всех структурных частей статьи к стандарту в 255 слов продемонстрировала максимальные показатели для раздела обсуждения результатов — 68% по состоянию на декабрь 2025 года, следом идут аннотации с результатом в 67%. Раздел методологии оказался наименее подвержен влиянию — 32%, при этом внутри него ИИ-редактура распределена неравномерно: оценка по неадаптированному полному тексту методик составила 54%. Столь заметный контраст объясняется тем, что авторы охотнее привлекают LLM для концептуальной интерпретации итогов исследования, нежели для формализованного описания процедур.

Географический срез выявил существенные межстрановые диспропорции. В числе безусловных лидеров по интеграции LLM в 2025 году оказались Южная Корея (85%), Китай (82%) и Тайвань (80%), тогда как минимальный уровень продемонстрировала Великобритания — 28%. Сопоставление совокупности англоязычных юрисдикций с остальным миром выявило значительный разрыв: 37% против 72% соответственно. До 2023 года плотность маркерных слов в работах исследователей из государств с неанглоязычным населением была существенно ниже, однако к 2025 году этот показатель практически сравнялся со стандартами носителей языка.

Полученные выводы существенно превосходят предшествующие оценки, ограничивавшиеся для 2024 года скромными 12–16%. Исследователи связывают это с фундаментальными изъянами устаревших подходов: анализ частотного разрыва позволяет судить лишь о минимальном пороге, детекторы искусственного интеллекта неоднократно демонстрировали низкую точность, а методы, ориентированные на измерение частоты лексики в сгенерированных LLM текстах, критически зависят от специфики задаваемых промптов и архитектуры моделей. Новые расчеты при этом гармонично коррелируют с результатами социологических опросов среди академического сообщества: например, издательский дом Wiley в середине 2025 года зафиксировал, что свыше 70% респондентов активно используют LLM при подготовке черновых вариантов статей.

Авторы предостерегают: в основе алгоритма лежит гипотеза о сохранении линейного тренда в гипотетических условиях отсутствия ChatGPT. По мере того как исследователи адаптируются к стилю нейросетей либо сознательно элиминируют характерные маркеры, точность экстраполяции может снижаться. Тем не менее масштабы экспансии искусственного интеллекта в научный дискурс ставят перед академическим сообществом амбициозную дилемму. С одной стороны, LLM эффективно нивелируют языковой барьер для учёных из неанглоязычных стран, с другой — провоцируют риски появления ложных библиографических ссылок, нивелирования уникальности научного стиля и ослабления когнитивной связи между письменной фиксацией мысли и глубоким критическим анализом.

Источник: iXBT