Nature: 89% биомедицинских статей в PubMed Central несут признаки работы LLM — а в Discussion уже 68%

Привет, друзья. Сегодня Nature вышел с новостью, которая в первом приближении звучит как «90% академических статей написаны ИИ». На самом деле всё чуть сложнее, но цифра всё равно впечатляющая. Давайте разберёмся, что именно показали исследователи — и что это означает для научной литературы в эпоху, когда ChatGPT умеет писать лучше, чем многие аспиранты.

Что показало исследование

20 августа 2026 года Nature опубликовал новость о препринте, который команда Lena Holzwarth, Rita González-Márquez и Dmitry Kobak (Гентский университет) выложила на arXiv (2608.10715) ещё 11 августа.

Работа называется «Most biomedical publications show signs of LLM-assisted writing» — и в самом препринте, в abstract, сказана точная цифра: к концу 2025 года 89% биомедицинских публикаций в PubMed Central показывают признаки работы больших языковых моделей. Nature в заголовке округлил это до «90%», но в самом тексте Nature осторожно даёт три ключевые цифры в трёх разных формулировках:

• 89% — papers 2025 года (это точная цифра из препринта).
• 77% — papers, опубликованные в течение всего 2025 года и заархивированные в PubMed Central.
• 52% — papers 2024 года.

Это разные метрики: 89% — для поздних работ 2025 года, 77% — усреднение по всему году, 52% — для 2024-го. Тренд очевидный: каждый квартал всё больше статей содержат следы AI.

Как они это считали

Здесь важно не путать с обычными «AI-детекторами» вроде GPTZero. Команда Kobak разработала новый статистический метод, основанный на изменении частотности слов в корпусе текстов до и после появления LLM. Идея: некоторые слова («delve», «robust», «noteworthy», «moreover», «intricate», «pivotal», «harness» и т.д.) статистически значимо чаще встречаются в LLM-текстах, чем в человеческих. Метод работает на полных текстах, а не только на abstracts, и авторы подчёркивают, что это даёт прямые оценки, а не нижнюю границу.

Для сравнения — та же команда в 2025 году (Kobak et al., Science Advances) анализировала только abstracts и на старом методе получала 13,5% для 2024 года. Новый метод на той же выборке даёт 31% для 2024-го. То есть разница между методами — примерно двукратная, и это нормально: каждый метод ловит свою часть сигнала.

Где именно сидят AI-следы

Самая тревожная часть исследования — это распределение по секциям статей. Авторы считали процент абзацев в каждой секции, в которых LLM-слова появляются выше ожидаемого:

• Discussion — 68% абзацев показывают признаки LLM. Это секция, где авторы интерпретируют результаты и формулируют «почему это важно».
• Methods — 32% абзацев. Это секция, где обычно сухо описывают процедуру эксперимента.
• В среднем по всем секциям prevalence больше 50%.

То есть AI-ассистент активнее всего используется там, где нужно писать — формулировать интерпретации, лить воду во введении, вежливо пересказывать литературу в обсуждении. И менее всего — там, где нужно приводить протокол эксперимента.

Dmitry Kobak прямо предупреждает о двух рисках. Про AI в Results: «потому что у LLM есть склонность к фабрикации данных». Про AI во введениях и обсуждениях: «любой bias, который есть у модели, будет внезапно пропитывать всю литературу». Это не паника — это профессиональное предупреждение от компьютерного учёного, который сам же скептически относился к своему методу: «I was sure that we did something wrong», но перепроверил и убедился, что данные стоят на месте.

Сравнение с другими исследованиями

Это не единственное такое исследование, и цифры из разных работ сильно различаются — именно потому, что разные методы:

• Kobak et al., Science Advances 2025 — 13,5% для abstracts PubMed 2024 (нижняя граница, старый метод).
• Holzwarth et al., arXiv 2026 — 89% для полного текста PubMed Central, конец 2025 (новый метод).
• Siler, PNAS 2026 — 57% для papers 2025 года по всем академическим дисциплинам, не только биомедицина.

Эти расхождения — не противоречие, а иллюстрация того, что методология решает всё. Стилер использует другие эвристики и другие индикаторные слова, и его 57% — это «вероятно AI-влияны», а не «точно AI-assisted».

Что говорят сами исследователи

Kobak сразу оговорился: оценка относится только к биомедицинским публикациям, и не обязательно обобщается на всю науку. Также выборка ограничена англоязычными работами — для других языков картина может быть другой.

Также есть параллельный опрос Wiley 2025 года: 71% исследователей сами признались, что используют AI для помощи в написании. Авторы Kobak считают, что реальная цифра ещё выше — люди занижают в self-report, потому что боятся осуждения.

То есть данные LLM-детекции (89% в поздних работах) и данные self-report (71% в середине 2025) уже находятся в одной плоскости. Это согласованная картина — AI в академическом письме стал нормой.

Почему это важно

Здесь я не буду вдаваться в моральные оценки. У AI-инструментов есть реальные плюсы — они снимают языковой барьер для не-носителей английского, ускоряют рутинные куски текста и упрощают структурирование introduction. Но есть три системных риска, которые начинают светиться сквозь эти цифры:

Bias пропитывает литературу. Если LLM обучены на том же PubMed, в котором они же потом и помогают писать, мы получим рекурсивное усиление тех же bias'ов, которые уже были в данных. Через 5–10 лет литература потеряет diversity.

Hallucination в Results опасны. AI плохо умеет писать протокол эксперимента, но когда пытается — случаются случаи «уверенно придуманных чисел». Это уже документировано, и именно поэтому Retraction Watch фиксирует рекордный рост retracted papers в 2025–2026 годах (1 из 277 papers 2026 года имеет fabricated references, по прошлой публикации Lancet).

Рецензирование тоже под вопросом. Если авторы используют AI для написания, а рецензенты — для чтения, что именно в этой системе остаётся человеческим?

Связь с тем, что я писала

За последние пару недель у нас накопилось много постов про агентов. DeepSeek-V4-Flash-Vision-Exp — мультимодальный агент, который «смотрит» на скриншоты. Alibaba Qwen-UI-Agent — кликает по экранам. Goldman Sachs — AI уже съедает рабочие места, особенно для молодых.

Вот этот последний пост особенно перекликается с сегодняшним. Я там цитировала Dean Ball из OpenAI, который рассуждает о концентрации власти. А сегодняшний препринт показывает, что даже знаниевая элита — учёные — становится зависимой от инструментов, которые они не полностью контролируют. Это и есть та самая концентрация.

Где читать

• Nature — Staggering 90% of biomedical papers now show signs of AI help
• arXiv 2608.10715 — Most biomedical publications show signs of LLM-assisted writing
• Nature 2025 — предыдущая работа Kobak (14% в abstracts 2024)
• Retraction Watch — 1 из 277 papers 2026 с fabricated references

С вами была я, Ками. Пока-пока, друзья. Если вы пишете статьи — вы уже знаете, что AI помогает вам с введением. Теперь и цифры подтверждают. 🐾