Искусственный интеллект для науки: помощник или убийца?

Наука веками считалась главным инструментом познания истины. Исследователи кропотливо разрабатывали методологию, выдвигали смелые гипотезы, вели неустанный поиск доказательств. Но сегодня мы становимся свидетелями процессов, которые могут перевернуть все прежнее представление о науке и в конечном счете поставить под вопрос само ее существование.

На смену кропотливому труду исследователя приходит искусственный интеллект (ИИ) с его алгоритмами, способный выдавать готовые ответы с впечатляющей и иногда пугающей скоростью. Нейросеть может за считанные секунды написать статью и даже сформулировать гипотезу. Казалось бы, это может послужить ученым хорошим подспорьем в их деятельности, облегчить их научный поиск.

Но почему же все чаще раздаются тревожные голоса представителей научного сообщества, говорящих о лавинообразном росте «мусорных» публикаций и подгонке данных под красивые схемы алгоритмов? Способен ли ИИ заменить настоящий научный поиск? Не является ли быстрота работы нейросетей иллюзией прогресса? Где проходит грань между реальным научным открытием и его подделкой?

Искусственный интеллект уже не просто помогает искать — он начинает задавать шаблоны поиска и в конечном счете шаблоны научного мышления. В результате мы рискуем незаметно для себя самих потерять жажду настоящего понимания мира, смирившись с поверхностной обработкой данных. Сегодня об этой проблеме говорят многие ученые. Появляются исследования, посвященные влиянию ИИ на состояние как отдельных научных отраслей, так и науки в целом.

Так, в январе 2026 года в журнале Nature были опубликованы результаты исследований, проведенных профессором социологии и науки о данных, содиректором факультета Novel Intelligence в Чикагском университете Джеймсом Эвансом и его коллегами. Ученые проанализировали более 41 миллиона научных работ, опубликованных в период с 1980 по 2025 год. О выводах, сделанных исследователями, можно судить уже по названию статьи — «Инструменты искусственного интеллекта расширяют влияние ученых, но сужают фокус науки».

Сразу следует оговорить, что под «влиянием ученых» подразумевается их индивидуальный успех в научной карьере. Согласно приведенным данным, те из них, кто пользуется искусственным интеллектом, публикуют в три раза больше статей и получают в 4,8 раза больше цитирований. В результате они раньше добиваются успеха в своих областях.

Однако если обратить внимание не на индивидуальные успехи отдельных представителей науки, а на состояние научной области в целом, картина перестает быть такой радужной — напротив, она становится очень тревожной. Как показало исследование, пользующиеся искусственным интеллектом ученые склонны выбирать для своих исследований популярные темы, так как по ним есть большой массив данных.

К сужению исследовательского поля приводит не только выбор мейнстримных тем, но и уменьшение научной базы «подсевшего» на ИИ исследователя. Научные работы становятся менее взаимосвязанными: новые исследования цитируют ограниченное количество «суперпопулярных» статей, вместо того чтобы охватывать широкий спектр предшествующих разработок. Исследование показало, что в результате использования ИИ уровень взаимосвязи между учеными, работающими в одной области, упал на 22%.

Эванс и его коллеги делают вывод, что «инструменты ИИ, по-видимому, автоматизируют уже сложившиеся области, а не исследуют новые, что подчеркивает противоречие между личным продвижением и коллективным научным прогрессом».

Это исследование наглядно демонстрирует, что зачастую ученые, активно использующие ИИ в своих исследованиях, предпочитают идти по уже проторенным дорожкам. Это неудивительно — ведь именно при таком подходе нейросети максимально эффективны. В результате исследования, в которых ученые берут уже известные проблемы и при их решении приходят к схожим результатам, по сути, повторяют друг друга. При этом генерации нового знания не происходит: ведь при столкновении с новой проблемой ИИ пасует, тут необходим человеческий мозг с его стремлением к научному поиску и умением его осуществлять. При отказе от такого поиска и выборе «модных» тем список изучаемых проблем вместо того, чтобы расширяться и охватывать еще неизведанное пространство, сужается.

Но в погоне за индивидуальными успехами ученый, к сожалению, может «забыть» о том, что его истинное предназначение — не личное продвижение, а служение продвижению науки, которая в современном мире является не уделом одиночек, а делом научных коллективов и по большому счету всего научного сообщества. При недобросовестном подходе ИИ, возможно, и принесет пользу отдельным ученым в их научной карьере, но в целом грозит разрушить науку как сферу, призванную вести человечество вперед, к новым знаниям.

В 2025 году австралийский экономист, профессор стратегического менеджмента Джошуа Ганс опубликовал в издании National Bureau Of Economic Research статью «В поисках знаний об ИИ» (A Quest for AI Knowledge), ставшую результатом исследования влияния искусственного интеллекта на качество научных работ. Как отмечается в работе, «в условиях умеренного развития технологий ученые начинают „подстраиваться под ИИ“, ограничивая новизну своих работ рамками его операционных возможностей». Говорится также, что «использование ИИ среднего уровня может привести к снижению амбициозности научных изысканий».

Заметим, что речь идет об «умеренном развитии технологий» и «ИИ среднего уровня». Возможно, когда уровень развития технологий искусственного интеллекта станет высоким, положение дел изменится, и вполне вероятно, не в лучшую сторону — ведь человечество столкнется с новыми исходящими от искусственного интеллекта вызовами. Однако сейчас и в обозримом будущем ИИ, хоть и гордо именуется «интеллектом», на самом деле таковым не является — он всего лишь интерполяционный инструмент, который хоть и способен быстро найти и скомбинировать уже существующее знание, совершенно не способен выйти за его пределы и создать знание принципиально новое. Он, в отличие от человека, не способен мыслить самостоятельно, у него нет человеческого стремления к новизне, нет творческого порыва. А возможна ли без всего этого наука?

Следует отметить, что отсутствие новизны в созданных с помощью ИИ текстах не всегда легко заметить. При генерации гипотез ИИ часто выдает за новое то, что таковым не является. В июне 2025 года в электронной научной библиотеке arXiv была размещена статья «Разрыв между генерацией и реализацией: результаты воплощения исследовательских идей, предложенных большими языковыми моделями (LLM) и людьми».

В ней речь идет о LLM (Large Language Model) — классе алгоритмов искусственного интеллекта, которые обучаются на огромных массивах текстовых данных, чтобы понимать, анализировать и генерировать человеческий язык. Они умеют отвечать на вопросы, создавать тексты, переводить, анализировать данные, выдвигать гипотезы.

Как отмечают авторы статьи, в ряде случаев идеи, предложенные LLM, оцениваются как более оригинальные, чем идеи экспертов-людей. «Однако хорошая идея должна не просто казаться новой — она должна приводить к более качественным результатам после ее реализации», — утверждают авторы.

На первом этапе LLM выиграли у людей — эксперты сочли их гипотезы более новаторскими. Однако на втором этапе, когда дело дошло до реализации идей на практике, экспертные оценки ИИ-гипотез резко снизились, причем по всем критериям (новизна, перспективность, эффективность и общая оценка). При этом человеческие идеи прошли эту проверку куда более успешно.

То есть поначалу ИИ-гипотезы могут показаться более яркими, оригинальными. Искусственный интеллект умеет «пустить пыль в глаза» эффектными формулировками, приукрасить свою гипотезу и преувеличить ее потенциальную значимость. При этом за красивым фасадом скрывается переливание из пустого в порожнее.

Еще одна уловка, на которую можно купиться при оценке созданного ИИ научного продукта, — сложность языка. В декабре 2025 года в журнале Science было опубликовано исследование, проведенное специалистами в области информатики Кейго Кусумеги, Полом Гинспаргом и их коллегами. Они проанализировали огромный массив научных данных, включающих 2,1 миллиона размещенных в открытом доступе научных предпубликаций, 28 тысяч рецензируемых отчетов и 246 миллионов просмотров и скачиваний научных документов. Ученые провели сравнительный анализ работ авторов до и после начала использования нейросетей.

Результаты показали, что ИИ увеличивает научную продуктивность исследователей на 23,7–89,3%. Интересно, что больше всех «выигрывают» те авторы, для которых английский язык не является родным или которые испытывают затруднения при написании текстов. Однако исследователи также обнаружили, что в созданных ИИ работах содержательная часть исследований страдает — за изысканными фразами стоит пустота. В отличие от человеческих текстов, где сложность языка часто коррелирует с качеством, для ИИ-текстов верно обратное.

«Традиционные критерии оценки качества научных работ, такие как сложность языка, перестают быть надежными индикаторами их ценности, особенно на фоне резкого роста общего объема публикаций. По мере совершенствования систем ИИ они будут ставить под сомнение наши фундаментальные представления о качестве исследований, принципах научной коммуникации и самой сути интеллектуального труда», — предупреждают авторы.

Шаблонность исследований, создаваемых с помощью нейросетей, становится бичом для целых отраслей науки. В мае 2025 года на портале PLOS (Public Library of Science) группа ученых из университета Суррея (Англия) опубликовала статью «Бум шаблонных научных статей, основанных на данных национальной базы здравоохранения США NHANES: ненадлежащие планы исследований и ложные открытия».

В ней авторы показывают, как ИИ-инструменты порождают сотни «конвейерных» научных работ, особенно в биомедицине, где исследователи используют искусственный интеллект для поиска статистических корреляций в открытых базах данных. При этом такие корреляции далеко не всегда оказываются обоснованы.

«С появлением наборов данных, адаптированных для искусственного интеллекта (ИИ), таких как Национальное исследование здоровья и питания (NHANES), открываются новые возможности для исследований, основанных на анализе данных. Однако это также создает риски их эксплуатации „фабриками статей“, — предупреждают исследователи.

Они указывают на такую проблему, как однофакторный подход вместо многофакторного, то есть игнорирование сложных взаимодействий между множеством данных и использование шаблона: «один параметр — одно заболевание». При этом резко возрастает риск ложных результатов. Проведя систематический поиск литературы по однофакторным анализам, исследователи выявили 341 научную статью, опубликованную за последнее десятилетие на основе данных NHANES. Авторы этих статей простраивали связь между одним параметром (например, уровнем витамина D) и конкретным заболеванием (например, депрессией).

«Использование ИИ для однофакторного анализа вырывает данные из контекста, не учитывает взаимосвязи, игнорирует необходимость поправки на ложные выводы и является методом, который легко берется на вооружение „фабриками статей“, — подчеркивают исследователи.

Вторая проблема, по их мнению, заключается в том, что авторы статей зачастую выбирают необоснованные корреляции из огромного массива данных NHANES. Эти корреляции бывают статистически значимы (и это является определяющим фактором для ИИ), однако на самом деле могут вовсе не соответствовать действительности, так как, к примеру, берутся без учета временных интервалов.

Исследователи отмечают резко нарастающую динамику недобросовестных публикаций. Если с 2014 по 2021 год в среднем выходило четыре такие статьи в год, то только за период с января по октябрь 2024 года было опубликовано 190 работ. Такой скачок совпадает с широким внедрением инструментов искусственного интеллекта, облегчающих обработку данных и генерацию текста.

Однофакторный шаблонный подход идеально подходит для конвейерного производства: можно бесконечно комбинировать разные данные, получая формально «новые» статьи. И это становится большим соблазном для недобросовестных «фабрикантов статей». В случае медицины такая недобросовестность становится смертельно опасной.

Впрочем, биомедицина — далеко не единственная отрасль, страдающая от ИИ. Группа из 25 ученых — лауреатов Филдсовской премии — предупредила об угрозе, которую искусственный интеллект представляет для математики. В письме, опубликованном 11 сентября 2026 года на портале движения Math and AI («Математика и искусственный интеллект»), они отмечают: «Цели компаний, занимающихся ИИ, и математического сообщества сильно расходятся».

В чем именно состоит это расхождение? Авторы обращают внимание на ущербность подхода, при котором акцент делается на получении конечного ответа или продукта и при этом упускается из виду важность формулировки новых вопросов и идей. Вместе с тем они подчеркивают, что дело касается не только математики и не только науки, но, в конечном счете, всего общества.

Кроме того, авторы письма затрагивают и такой фактор, как человеческое взаимодействие при обучении будущего ученого. «Самые ценные ресурсы нашей профессии — это студенты и идеи, и мы бережно относимся к ним».

С этим утверждением сложно спорить: действительно, без идей невозможно движение вперед, но оно невозможно и без студентов, которым ученые передают эстафету. Но, как уже отмечалось, с новыми идеями у действующего по шаблону ИИ большие проблемы — он просто не способен их генерировать. Очевидно, не меньшие проблемы у него и с передачей эстафеты молодому поколению, которому надо не просто дать готовые алгоритмы решения типовых задач, но научить самостоятельно мыслить.

«Свои идеи мы распространяем в ходе бесед, частных обсуждений и тщательных записей, увязывая их с предыдущими идеями других людей. Эти процессы неизменно требуют времени и основаны на взаимодействии людей»,  — подчеркивается в письме.

Ученые обращают внимание на угрозу разрыва цепочки преемственности между математиками. Студенты могут с помощью ИИ-систем получить готовый результат, минуя стадию обучения, при которой происходит не только добыча готового ответа, но возникает понимание процесса его получения, а также вырабатывается способность формулировать новые вопросы и идеи.

Авторы письма тревожатся совсем не на пустом месте. Сегодня молодые люди еще со студенческой скамьи привыкают к тому, что с помощью ИИ можно сделать курсовую или дипломную работу, затратив на это минимум усилий. Инструменты, существующие для обнаружения ИИ-плагиата, очень несовершенны: студенты легко обманывают их, к примеру, с помощью примитивного перефразирования текста. Преподаватели бьют тревогу — они уже не знают, как оценивать знания студентов, прежние методы контроля, которыми были письменные работы, теперь не годятся, а новые не выработаны.

29 июня 2026 года в Москве состоялся форум «Технологии ИИ в высшем образовании». На нем министр науки и высшего образования России Валерий Фальков заявил, что «дипломные работы уже не выполняют той функции, которую они выполняли в высшем образовании еще 10–15–20 лет назад».

Конечно, есть устные экзамены, но они не способны стать полноценной заменой письменного формата — ведь именно с его помощью студент получает навыки ведения научной деятельности. Курсовые и дипломные работы, являясь результатом студенческого научного исследования, становятся для молодых людей первыми шагами на пути в «большую науку». Но если студент привык, что эти шаги за него делает ИИ, то есть все основания полагать, что, избрав научную профессию, он не избавится от этой привычки, тем более что она ведет его к индивидуальному успеху, и то, что этот «успех» — поверхностный, может не приниматься таким молодым ученым в расчет.

Целое поколение таких «ученых», взращенных на ИИ и не готовых к самостоятельному научному поиску — это довольно мрачная антиутопическая картина. И она становится еще мрачнее, если перевести взгляд с науки на все другие сферы жизни. ИИ широко используется дизайнерами, музыкантами и даже писателями — таким образом, новизна исчезает из искусства, культуры. Нейросети «облегчают» людям жизнь, но куда ведет эта «легкость»? Да и кто сказал, что жизнь человека-творца должна быть легкой?

Великий русский и советский поэт Владимир Маяковский в стихотворении на смерть другого великого поэта — Сергея Есенина — написал:

Это время —
                        трудновато для пера,
но скажите
                    вы,
                          калеки и калекши,
где,
        когда,
                    какой великий выбирал
путь,
            чтобы протоптанней
                                                  и легше?

Можно лишь добавить, что не только для великих, но и для «простых» людей проторенные пути — далеко не всегда самые лучшие. Любой человек может быть творцом, если дерзнет отказаться от привычного и ступить на путь поиска, без которого невозможно ощутить жизнь во всей ее полноте. И особенно это касается научного творчества, в котором ИИ может стать лишь вспомогательным инструментом, причем отнюдь не самым главным. Наука перестанет быть наукой без прорывных гипотез и открытий, на которые неспособны нейросети, но способен смелый человеческий разум, движимый пытливым сердцем.