Научная добросовестность в эпоху генеративного ИИ: ключевые тезисы

Научная добросовестность в эпоху генеративного искусственного
интеллекта: ключевые тезисы
Генеративный искусственный интеллект сместил фокус академической этики: на
смену традиционной борьбе с заимствованиями текстов пришла защита подлинности
авторского замысла, фактологической достоверности и воспроизводимости
результатов. Сгенерированный фрагмент текста формально является оригинальным для
большинства традиционных алгоритмов поиска заимствований, однако не несет
реаль,ного творческого и научного вклада исследователя.
1. Правовой статус и регулирование в РФ
Принцип неделимой ответственности: В соответствии со ст. 1257
Гражданского кодекса РФ автором произведения науки признается исключительно
физическое лицо (гражданин), творческим трудом которого оно создано. Нейросеть не
обладает правосубъектностью и не может выступать автором или соавтором научной
работы.
Национальные стандарты:
ГОСТ Р 70949-2023 регламентирует допустимые варианты и сценарии
применения технологий искусственного интеллекта в научно-исследовательской
деятельности.
ГОСТ Р 71657-2024 закрепляет, что интеллектуальные системы могут выступать
в качестве поискового и технического инструмента обработки данных, тогда как
формулирование смыслового каркаса и положений исследования остается
исключительной обязанностью исследователя.
Позиция АНРИ и ВАК: Применение инструментов генеративного ИИ
допустимо только как вспомогательное средство и требует обязательного прозрачного
декларирования. Всю полноту ответственности за фактические ошибки, вымышленные
ссылки и итоговые выводы несет исследователь.
2. Ключевые вызовы для академической среды
Синтетические
галлюцинации:
Генерация
несуществующих
библиографических источников с правдоподобными DOI, фальсификация
эмпирических выборок и «подгонка» статистических рядов.
Синтетический гостирайтинг: Подготовка диссертаций, ВКР и статей, логика и
доказательства в которых не осознаются номинальным автором.
Эрозия экспертной оценки: Делегирование рецензирования языковым моделям
без должного личного погружения эксперта, что подрывает барьерную функцию
научной экспертизы.
Утечка первичных результатов: Загрузка неопубликованных закрытых данных,
формул и результатов экспериментов в публичные сторонние облачные сервисы,
создающая риски утраты научного приоритета.
3. Ограничения автоматической детекции
Практика показала неэффективность попыток опереться исключительно на
автоматические классификаторы («детекторы сгенерированного текста»):
1.
Ложноположительные
срабатывания:
Стандартизированный,
терминологически плотный научный стиль алгоритмы нередко ошибочно маркируют
как генерацию нейросети.
2.
Легкость обхода: Специализированные пользовательские инструкции и
гибридное редактирование легко нивелируют математические метрики машинной
детекции (перплексию и вариативность).
Отказ от автоматических санкций: В российской академической
практике вердикт программного детектора больше не считается достаточным
юридическим основанием для дисквалификации работы — окончательное решение
принимается только профильной экспертной комиссией.
4. Допустимые границы: ассистент vs интеллектуальный суррогат
3.
Категория
Допустимо
(Технический
ассистент)
Недопустимо
(Интеллектуальный
суррогат)
Редактирование и
стиль
Редактирование
стиля, устранение
грамматических и
пунктуационных ошибок.
Создание
итогового текста
исследования по
промптам без понимания
предметной области.
Код и
инструментарий
Написание
вспомогательного кода и
скриптов для обработки
данных и визуализации.
Фабрикация сырых
измерений, опросов и
результатов
экспериментов.
Работа с
литературой
Перевод и
первичная языковая
адаптация зарубежной
литературы (с
обязательной ручной
вычиткой терминологии).
Техническое
форматирование списков
литературы и ссылок по
ГОСТу.
Включение в
библиографический
список не проверенной
лично автором
литературы.
Концептуализаци
я
-
Генерация научных
гипотез, теоретических
выводов и положений
новизны.
5. Практический вектор
Современная научная этика перешла от безуспешных тотальных запретов к
принципу верификации первичных данных. Научным журналам, диссертационным
советам и комиссиям требуются лабораторные протоколы, сырые датасеты и
репозитории кода.
Исследовательская добросовестность сегодня определяется не отказом от
современных технологий, а открытостью методологии, соблюдением нормативных
требований и бескомпромиссной личной ответственностью за каждый полученный
результат.