Следи от езиков модел в 77% от статиите за 2025

28.08

време за четене: 4 мин.

Три независими изследователски екипа, с три различни метода и три различни корпуса, стигат до едно и също заключение за научната литература. Разминават се само в числото. Разминаването им обаче е по-поучително от съгласието, защото показва какво всъщност се мери.

Робот подава безупречно гладък бял лист на жена, която не го поглежда, а се е навела над смачканите листове с таблици и числа под него

Как се мери нещо, което никой не декларира

Нерецензирана чернова, подадена на 11 август 2026 г., анализира 1 194 287 англоезични статии от свободно достъпната част на PubMed Central за периода 2017-2025 г. Методът не търси признание за използване на инструмент, а лексикална следа.

Езиковите модели имат предпочитания към определени думи - „delves", „exacerbating", „invaluable" и подобни. Екипът проследява 379 такива характерни думи и мери как честотата им се отклонява от историческата норма. Проверката на метода минава през 100 хиляди симулирани документа с предварително известен дял, при които грешката остава под два процентни пункта.

Резултатът: 19% за 2023 г., 52% за 2024 г. и 77% за 2025 г. По раздели за 2025 г. най-висок е делът в дискусията, 78%, следван от резюмето с 68% и въведението с 63%; методологията и резултатите са най-ниско, съответно 54% и 58%.

Едно уточнение е задължително, защото няколко отразявания го изпуснаха. Числото 89% важи само за декември 2025 г., не за цялата година. Годишната стойност е 77% и точно тя е съпоставима с предходните години.

Три екипа, три числа, едно направление

Тук е най-силната част от историята. Находката на един екип е находка на един екип, независимо колко голяма е извадката. Затова тежи, че има и други.

Рецензирана статия в PNAS от 29 май 2026 г. с автор Kyle Siler от Университета на Торонто анализира 7,3 милиона статии от четирима големи издателя за периода 2020-2025 г., с речник от 228 думи. Оценката ѝ е 57% за 2025 г. при 12% за 2023 г.

Трети екип от Технологичния университет Нанянг подхожда съвсем различно - не с речник, а с обучен детектор. Неговата оценка е далеч по-ниска: 12,4% от статиите за 2025 г. съдържат поне един пасаж, класифициран като машинно написан.

Три числа между 12% и 77% не са противоречие, а три различни определения на един и същ въпрос. Речниковият метод хваща всяко влияние върху стила, включително изглаждане на едно изречение; детекторът търси цели пасажи. Първият мери докосване, третият - авторство.

Тези следи от езиков модел се броят по различни правила и затова дават различни числа. Самите автори са прозрачни за подвижността на собственото си число. По-ранната им работа даваше поне 13,5% за 2024 г. по резюмета, а новият метод вдига същата година до 31%. Тоест част от скока е методологична, а не само реална. Има и публикувано научно възражение срещу подхода на Siler в самото PNAS, заедно с отговор от него.

Защо следи от езиков модел не значат нарушение

Това е разграничението, което почти изцяло липсва в отразяванията, а е решаващо.

Използването на езиков модел за изглаждане на текста е изрично разрешено от големите издатели. Nature го класифицира като допустимо; Elsevier го позволява за подобряване на четимостта; общото изискване на редакторите е моделът да не бъде посочен като автор и употребата да се декларира.

Авторите на самото изследване отбелязват, че такива инструменти могат да намалят неравенството, като преодолеят езиковата бариера. За изследовател, чийто роден език не е английският, разликата между отхвърлен и приет ръкопис често е в езика, не в науката.

Методът мери лексикална следа, а не измама, и всяко тълкуване на 77% като дял на нечестните статии е грешно. Какво точно от тези 77% е превод, какво е изглаждане на граматика и какво е генерирана проза, това измерване не различава и не претендира да различава.

Какво следва за хората, които четат научни текстове

За всеки, който ползва научна литература в работата си, изводът е практичен. Стилистичната гладкост престава да бъде признак за качество. Текст, който се чете леко и звучи авторитетно, вече не носи информация за това колко внимателно е направено изследването зад него.

Тежестта се измества върху проверимите неща: размер на извадката, метод, достъпност на данните, дали има рецензия. Точно тези раздели - методология и резултати - показват и най-нисък дял машинна следа, което не е случайно. Числата и процедурите се пишат по-трудно от разказа около тях.

Заключение

Езиковият модел вече е част от писането на науката и това няма да се върне назад. Полезната реакция не е да се търси кой е ползвал инструмент, а да се чете това, което инструментът не може да произведе - данните под текста.

Помагаме на български организации и екипи да четат изследвания и доклади критично, вместо да се доверяват на гладкия текст. Услугите ни покриват одит, оценка на готовност, обучение на екипи и имплементация на специализирани AI автоматизации за всяка организация. Препоръчваме консултация при изграждане на вътрешни правила за работа с AI при подготовка на документи и анализи. [Свържете се с нас за консултация: academy@razvivai.se]