رشد ۱۲ برابری ارجاعات جعلی مقالات پزشکی فقط در دو سال!

به گزارش مجله خبری نگار، گسترش بهره‌برداری از ابزار‌های هوش مصنوعی در کنار سرعت‌بخشیدن به نگارش مقالات و روند فعالیت‌های پژوهشی روی دیگری هم دارد که چندان برای وجهه علم، نشریات علمی و پژوهشگران خوشایند نیست. بخشی از این اتفاقات ناخوشایند در نتیجه یک مطالعه مشخص شد؛ بررسی گسترده‌ای که اخیراً در قالب نامه‌ای در مجله «لنست» منتشر شد و نشان می‌دهد تعداد ارجاعات جعلی در مقالات علوم زیستی و پزشکی طی دو سال، ۱۲ برابر افزایش یافته است. این تحلیل، نزدیک به ۲.۵ میلیون مقاله نمایه‌شده در پایگاه «پاب‌مد» را بررسی کرده و نشان داده است حدود یک مقاله از هر ۲۷۷ مقاله منتشرشده در هفت هفته نخست سال ۲۰۲۶، به پژوهشی ارجاع داده که اساساً وجود خارجی نداشته است. این رقم در سال ۲۰۲۵ حدود یک در ۴۵۸ و در سال ۲۰۲۳ حدود یک در ۲۸۲۸ بود.

پژوهشگران دانشگاه کلمبیا از هوش مصنوعی برای تشخیص «ارجاعات ساختگی واقعی» از خطا‌های صرفاً شکلی مانند کوتاه‌سازی غیررسمی عنوان مقالات استفاده کردند. این گروه پژوهشی شدیدترین افزایش در ارجاعات خیالی را از میانه سال ۲۰۲۴ شناسایی کرد؛ دوره‌ای که به اعتقاد آنان هم‌زمان با گسترش ابزار‌های نگارش مبتنی بر هوش مصنوعی بوده است. این یافته‌ها در حالی منتشر می‌شود که مجله «نیچر» ماه گذشته گزارش داده بود ده‌ها هزار مقاله منتشرشده در سال ۲۰۲۵ «ممکن است شامل ارجاعات نامعتبر تولیدشده توسط هوش مصنوعی باشند.» پایگاه «رتراکشن واچ» نیز بار‌ها گزارش‌هایی درباره ارجاعات خیالی تولیدشده توسط مدل‌های زبانی بزرگی مانند «چت‌جی‌پی‌تی» منتشر کرده است.

در بررسی اخیر، پژوهشگران کلمبیا توانسته‌اند ۹۷.۱ میلیون ارجاع را راستی‌آزمایی کنند. از میان آنها، ۴ هزار و ۴۰۶ ارجاع «جعلی» شناسایی شد که در مجموع در ۲ هزار و ۸۱۰ مقاله ظاهر شده بودند. بر پایه داده‌های «پایگاه داده رتراکشن واچ» و منابع دیگر، بیش از ۹۸ درصد مقاله‌هایی که دارای ارجاعات جعلی بودند تا زمان انجام این بررسی در فوریه، با هیچ اقدامی از سوی ناشران مواجه نشده بودند. سخنگوی انتشارات «تیلور‌اند فرانسیس» اعلام کرده این ناشر در حال سرمایه‌گذاری روی «فناوری، نیروی متخصص و فرایند‌های لازم برای شناسایی ارجاعات مسئله‌دار» است. او با بیان اینکه مقاله‌هایی که دارای ارجاعات مشکوک باشند برای اصلاح به نویسنده بازگردانده می‌شوند، اضافه کرده: «اگر این موارد بیش از بخش کوچکی از ارجاعات را تشکیل دهند و یا به‌طورجدی بر یکپارچگی کلی مقاله اثر بگذارند، معمولاً مقاله رد می‌شود.» البته نگاه‌ها نسبت به مطلب اخیر لنست متفاوت بوده است. محمد حسینی، پژوهشگر ایرانی اخلاق هوش مصنوعی و سلامت پژوهش در دانشگاه نورث‌وسترن، تحلیل منتشرشده در «لنست» را «بیش از حد ساده‌سازی‌شده» خوانده و معتقد است باید میان ارجاعات خیالی که بر نتیجه‌گیری علمی مقاله اثر می‌گذارند و آنهایی که چنین نقشی ندارند، تمایز قائل شد. به گفته حسینی، پژوهشگران کلمبیایی در پژوهش خود میان ارجاعات علمی حیاتی که عملاً نقش داده را دارند و ارجاعات کم‌اهمیت‌تر تفاوتی نگذاشته‌اند.

او می‌گوید «مشکل بزرگ‌تر و مهم‌تر» ارجاعاتی هستند که توسط هوش مصنوعی تولید می‌شوند؛ اما کاملاً ساختگی نیستند، بلکه ناقص، سوگیرانه یا نادقیق هستند. او افزود: «ما هنوز تا رسیدن به مرحله‌ای که بتوانیم حتی این موارد را شناسایی کنیم یا برای‌شان کاری انجام دهیم، فاصله زیادی داریم.»