Inteligența artificială schimbă cercetarea: universitățile și revistele de specialitate sunt obligate să facă reguli noi

Inteligența artificială nu mai este doar un instrument care ajută cercetătorii să scrie mai repede cod sau să sorteze mai eficient date. Un editorial publicat de Nature avertizează că noile sisteme de tip „AI Scientist” încep să schimbe chiar felul în care se face cercetarea, de la generarea ipotezelor și analiza rezultatelor până la redactarea lucrărilor științifice. Iar dacă universitățile, finanțatorii și revistele științifice nu reacționează rapid, întregul ecosistem academic riscă să fie luat pe nepregătite.

Semnalul de alarmă vine odată cu publicarea în Nature a unui studiu despre „The AI Scientist”, un sistem dezvoltat de compania japoneză Sakana AI. Miza reală a lucrării nu a fost atât rezultatul științific obținut, considerat de editorialiști mai degrabă modest, cât modul în care a fost produs: cu ajutorul unui sistem AI care a parcurs aproape întregul traseu al cercetării, de la revizuirea literaturii și formularea ideii până la experimente și redactarea articolului. Una dintre lucrările generate astfel a trecut de primul prag important al evaluării și a ajuns să fie acceptată la un workshop al conferinței ICLR, una dintre cele mai importante din zona machine learning.

Ce schimbă, de fapt, noii „asistenți de cercetare” AI

Până acum, multe discuții despre AI în știință s-au concentrat pe câștigurile de timp: mai puține ore pierdute cu coding repetitiv, analiză de date sau căutări bibliografice. Dar noile sisteme merg mai departe. Nature spune clar că astfel de modele încearcă să automatizeze și părțile considerate până nu demult profund umane ale cercetării: generarea ipotezelor, alegerea experimentelor și interpretarea concluziilor.

Aici apare și partea complicată. Deși aceste instrumente pot produce rapid texte, analize și chiar lucrări aparent solide, ele au încă probleme serioase. Modelele pot „halucina” date sau citări inexistente, pot rata pași logici importanți și nu își pot evalua corect gradul de încredere în propriile rezultate. Editorialul atrage atenția și asupra unui risc foarte concret: dacă AI-ul poate genera masiv articole și rezultate aparent plauzibile, sistemele de peer review, finanțare și publicare pot fi sufocate de zgomot științific, nu de descoperiri reale.

Vezi și:

Alertă meteo de furtuni în București și alte 12 județe până la ora 23:00. Sunt așteptate vijelii, grindină și ploi torențiale

În plus, există și o problemă de fond: dacă un model explorează automat date până găsește ceva „semnificativ”, fără o direcție științifică autentică, rezultatul poate semăna cu un P-hacking automatizat la scară mare. Cu alte cuvinte, AI-ul nu doar accelerează cercetarea bună, ci poate accelera și producția de lucrări slabe, dar suficient de convingătoare cât să consume timp și resurse.

De ce trebuie să reacționeze urgent universitățile și revistele de specialitate

Editorialul din Nature insistă că problema nu mai este una teoretică. Companii precum Google, OpenAI și Anthropic testează deja sisteme capabile să automatizeze bucăți tot mai mari din procesul științific, iar efectele se văd deja în modul în care cercetătorii lucrează și publică. În paralel, Nature amintește și un alt exemplu recent: un preprint din fizică teoretică în care modelul GPT-5 a avut un rol esențial, semn că astfel de instrumente încep să conteze inclusiv în domenii sofisticate, nu doar în sarcini de rutină.

Asta obligă instituțiile să regândească reguli vechi. Cum mai măsori meritul academic dacă o parte din muncă este făcută de model? Cum mai evaluezi originalitatea unei idei, dacă nu poți urmări clar sursele de inspirație ale AI-ului? Ce se întâmplă cu cercetătorii tineri, dacă exact etapele prin care învățau să devină oameni de știință sunt preluate de mașini? Editorialul sugerează că nu există încă răspunsuri ferme, dar tocmai de aceea universitățile, finanțatorii și publisherii trebuie să stabilească rapid „balustrade” clare.

Nature spune că deja cere transparență totală privind folosirea modelelor lingvistice în articolele trimise spre publicare și nu acceptă astfel de sisteme ca autori. Revista încurajează și depunerea prompturilor și a răspunsurilor generate de model, pentru ca studiile să poată fi reproduse și verificate. Este, practic, un semn că AI-ul intră oficial în laborator, dar nu fără supraveghere.

Concluzia este clară: AI-ul poate accelera știința, dar poate și distorsiona profund felul în care este produsă, evaluată și recompensată cercetarea. Iar dacă lumea academică nu își schimbă regulile la timp, revoluția nu va veni doar cu viteză și eficiență, ci și cu un haos greu de controlat.