---
title: "Взрыв научного спама: как ИИ-революция ломает систему рецензирования и обесценивает знания"
description: "Научное сообщество столкнулось с кризисом: после появления ChatGPT поток статей вырос на 42%, но качество упало. Журнал Organization Science проанализировал тысячи работ и обнаружил, что ИИ-тексты часто отклоняются, а рецензии алгоритмов поверхностны. Ученые предупреждают: без контроля человека наука рискует утонуть в «мусорных» публикациях. 📉🤖🧠"
date: 2026-07-24T14:12:51.000Z
lang: ru
url: https://xab.info/posts/vzryv-nauchnogo-spama-kak-ii-lomaet-sistemu-recentzirovaniya
tags: [organization-science, chatgpt, james-evans, qwen3-14b, scientific-publishing]
publisher: "XAB.info"
---

# Взрыв научного спама: как ИИ-революция ломает систему рецензирования и обесценивает знания

![Учёный в стрессе за заваленным документами столом, окружённый голограммами ИИ и научных статей — визуализация кризиса рецензирования из-за взрыва научного спама](https://xab.info/media/2026/07/24/vzryv-nauchnogo-spama-kak-ii-lomaet-sistemu-recentzirovaniya/vzryv-nauchnogo-spama-kak-ii-lomaet-sistemu-recentzirovaniya-1.webp)

Научный мир столкнулся с беспрецедентным вызовом. Распространение генеративного искусственного интеллекта привело к резкому скачку количества научных работ, создав колоссальную нагрузку на редакторов и рецензентов. Однако за цифрами роста скрывается тревожная тенденция: качество материалов падает, а система оценки знаний рискует быть перегруженной «мусорным» контентом.

Редакционная группа авторитетного журнала Organization Science провела масштабный анализ, охватывающий период с января 2021 года по февраль 2026 года. В выборку попали 6957 заявок и более 10 тысяч рецензий. Результаты исследования рисуют четкую картину: появление ChatGPT в конце 2022 года стало точкой невозврата.

### Цифры, которые пугают

После того, как генеративные модели стали доступны широкой аудитории, число заявок в журнал выросло на 42%. К февралю 2026 года, по оценкам исследователей, ИИ в той или иной степени использовался при написании большинства поступающих статей. Для верификации данных применялся алгоритм Pangram 3.1, оценивающий вероятность присутствия машинного текста.

Но количественный рост обернулся качественным спадом. По индексу удобочитаемости Флеша, который часто коррелирует с глубиной и ясностью изложения, среднее качество работ к январю 2026 года снизилось на 1,28 стандартного отклонения по сравнению с началом периода анализа. Это не просто статистическая погрешность, это фундаментальное изменение характера научной коммуникации.

### Редакторы против алгоритмов

Система научной рецензии продемонстрировала высокую чувствительность к «искусственному» происхождению текстов. Работы, в которых показатель участия ИИ превышал 70%, практически не проходили редакционный отбор — в 70% случаев они отклонялись редакторами еще до передачи независимым рецензентам. Для сравнения, тексты с минимальными признаками использования нейросетей отклонялись лишь в 43,7% случаев.

Более того, вероятность получения запроса на доработку для работ с явным следом ИИ упала с 11,9% до 3,2%. Это говорит о том, что редакторы предпочитают сразу отсеивать такие материалы, не тратя ресурсы на их улучшение. Статистическая модель подтвердила: даже если текст стилистически безупречен и «гладок», вероятность отказа остается высокой. Это свидетельствует о том, что страдает именно научное содержание, которое оказывается ниже критики.

### Иллюзия рецензирования

Проблема коснулась и самих рецензий. Тексты, подготовленные ИИ, оказались менее разнообразными и глубокими. В них чаще обсуждались теоретические рамки, но уделялось критически мало внимания реальным данным, методам и результатам экспериментов. Это создает риск поверхностной оценки исследований, где форма начинает превалировать над фактами.

Тем не менее, исследователи не склонны демонизировать технологии. В крупном эксперименте группа под руководством Джеймса Эванса (James Evans) предложила 6749 ученым оценить идеи, сгенерированные языковыми моделями. Было проведено более 25 тысяч оценок новизны и правдоподобия гипотез. Выяснилось, что популярные модели часто предлагают банальные идеи, тогда как более продвинутые алгоритмы способны удивлять новизной.

В сфере рецензирования также были проведены тесты. Модель Qwen3-14B, специально обученная на рецензиях, подготовленных учеными, показала превосходство над универсальными моделями на 27% в роли эксперта. Однако ИИ-рецензенты часто расходились во мнениях с профессиональными экспертами-людьми.

### Будущее науки: контроль или хаос?

Авторы исследования делают важный вывод: ИИ уже стал незаменимым помощником для поиска данных, написания кода и подготовки черновиков. Но без строгой проверки человеком и реформирования системы оценки научной работы, технологии могут привести к плохо контролируемому росту числа публикаций. Главная угроза заключается не в отсутствии новых знаний, а в раздувании объема информации без реального прироста научного понимания.