ИИ обнаружил ошибки в научных данных, которые считались верными десятилетиями
Когда искусственный интеллект выдал температуры кипения молекул, не совпадающие с табличными значениями, химик Себастьян Пиос сначала решил, что ошиблась модель. Но проверка старых научных работ показала обратное: неверными оказались данные, которые десятилетиями считались надежными.
Пиос, химик-теоретик из Чжэцзянской лаборатории в Ханчжоу, использовал ИИ для прогнозирования температур кипения различных молекул. Несколько результатов системы противоречили сведениям из справочной базы, которой химики пользуются уже около 75 лет.
Ученый обратился к исходной литературе, чтобы понять причину расхождений. Оказалось, что ошибка находилась не в прогнозах ИИ, а в самих справочных данных: некоторые значения температуры кипения были указаны неправильно и затем на протяжении десятилетий использовались как достоверные.
Это был не единственный случай. В еще двух ситуациях система помогла обнаружить ошибки в старых научных источниках: в одной статье нашлась опечатка, а в другом источнике — неверные результаты измерений температуры кипения, полученные около ста лет назад. Эти ошибки впоследствии попали в справочники и могли создавать проблемы исследователям, которые опирались на них в своей работе.
По словам Пиоса, подобные ошибки могли доставить исследователям немало проблем: справочные значения температуры кипения используют, в частности, для идентификации веществ и планирования химических процессов, например дистилляции.
Случай Пиоса — часть более широкого тренда. Ученые все чаще используют ИИ не только для получения новых результатов, но и для проверки уже существующих научных знаний. Специализированные системы способны быстро просматривать огромные массивы литературы, находить несоответствия в расчетах, формулах и числах и проверять результаты опубликованных исследований.
Например, исследователи из SAI Labs с помощью ИИ-агентов проверили 168 работ, отобранных для устных докладов на Международной конференции по машинному обучению (ICML) 2026 года. Агенты извлекали основные утверждения авторов, изучали дополнительные материалы и, где это было возможно, повторяли эксперименты.
Из 92 статей, в которых было не менее пяти проверяемых утверждений, ИИ смог воспроизвести более двух из пяти утверждений только в 34 работах. Более 80% проверяемых утверждений удалось воспроизвести лишь в восьми статьях.
Другой инструмент, разработанный Джеймсом Цзоу из Стэнфордского университета и его коллегами, использовали для поиска объективных ошибок в статьях, опубликованных на конференции NeurIPS. По их оценке, среднее число таких ошибок выросло с 3,8 в 2021 году до 5,9 в 2025-м — примерно на 55%. Исследователи учитывали ошибки в формулах, расчетах и числах, но не оценивали субъективные вопросы вроде новизны и значимости результатов.
При этом ученые предупреждают, что ИИ пока нельзя считать безошибочным арбитром науки. Инструменты проверки сами могут ошибаться, поэтому их выводы необходимо подтверждать человеку. Главное преимущество ИИ сейчас заключается скорее в масштабе: он способен за короткое время проверять объемы научной информации, на которые у исследователей ушли бы годы.
Теперь ИИ начинает выполнять для науки необычную роль — не только создавать новые знания, но и помогать находить ошибки в старых, которые могли оставаться незамеченными десятилетиями.
Подпишитесь на «Инк» в Telegram. Там мы пишем нескучным языком о самом важном для предпринимателей. Подписаться.
