9 из 10 научных биомедицинских статей к концу 2025 года написаны с участием ИИ
iXBT.com ·
К концу 2025 года 89% биомедицинских статей в открытом доступе несут следы редактирования или написания с помощью больших языковых моделей. Это оценка, полученная международной группой исследователей, разработавшей новый статистический метод, который впервые позволяет измерить не нижнюю границу использования LLM — как все предыдущие подходы, — а близкую к реальной долю текстов, затронутых ИИ. Метод применили к 1 194 287 полнотекстовым статьям из базы PubMed Central, опубликованным с 2017 по 2025 год.
К концу 2025 года 89% биомедицинских статей в открытом доступе несут следы редактирования или написания с помощью больших языковых моделей. Это оценка, полученная международной группой исследователей, разработавшей новый статистический метод, который впервые позволяет измерить не нижнюю границу использования LLM — как все предыдущие подходы, — а близкую к реальной долю текстов, затронутых ИИ. Метод применили к 1 194 287 полнотекстовым статьям из базы PubMed Central, опубликованным с 2017 по 2025 год.
В основе метода лежит анализ частоты 379 служебных и стилевых слов — таких как these, potential, delves, — чья встречаемость резко выросла после появления ChatGPT в конце 2022 года. Для каждого маркерного слова строился контрфактический тренд: линейная регрессия на данных за 2018–2022 годы экстраполировалась на 2023–2025 годы, а отклонение реальной частоты от прогнозной давало оценку доли текстов, прошедших через LLM. Исследователи отбирали оптимальное по размеру подмножество слов, при котором расчётная доля оказывалась максимальной, а стандартная ошибка не превышала 2,5 процентных пункта. Валидация на симулированных данных — 100 000 документов в год с реалистичными параметрами — показала, что ошибка метода не превышает 2 процентных пункта во всём диапазоне возможных значений.
Приведение всех разделов статьи к единой длине в 255 слов дало самую высокую оценку для обсуждения — 68% в декабре 2025 года, почти столько же для аннотаций — 67%. Методы оказались наименее затронуты — 32%, причём внутри этого раздела ИИ-редактирование распределено неравномерно: оценка по полному тексту методов составила 54%. Разрыв объясняется тем, что авторы чаще прибегают к LLM для интерпретации результатов, а не для описания процедур.
Различия между странами оказались масштабными. Лидеры по использованию LLM в 2025 году — Южная Корея (85%), Китай (82%) и Тайвань (80%). Самый низкий показатель у Великобритании — 28%. Когда все страны с преимущественно англоязычным населением объединили и сравнили с остальным миром, разрыв составил 37% против 72%. Частота маркерных слов в текстах авторов из неанглоязычных стран до 2023 года была заметно ниже, но к 2025 году практически сравнялась с уровнем носителей языка.
Полученные цифры заметно выше предыдущих оценок, которые для 2024 года колебались в диапазоне 12–16%. Авторы объясняют это принципиальным ограничением старых методов: анализ частотного зазора даёт лишь нижнюю границу, детекторы ИИ неоднократно признавались неточными, а подходы с измерением частоты слов в сгенерированных LLM текстах критически зависят от выбора конкретных промптов и моделей. Новые же оценки хорошо согласуются с опросами самих учёных: например, издательство Wiley в середине 2025 года зафиксировало, что более 70% респондентов использовали LLM для помощи в написании черновиков.
Исследователи предупреждают: метод опирается на предположение о линейности тренда в отсутствие ChatGPT, и по мере того как люди привыкают к стилю LLM или, наоборот, сознательно избегают маркерных слов, точность экстраполяции может снижаться. Тем не менее масштаб проникновения ИИ в научную коммуникацию ставит перед академическим сообществом двойную задачу: с одной стороны, LLM снижают языковой барьер для неанглоязычных исследователей, с другой — создают риски галлюцинаторных ссылок, гомогенизации научного языка и ослабления связи между письмом и критическим мышлением.