Детекторы ИИ-текста, академическая свобода и трансформация научной коммуникации: от запретов к регулируемому раскрытию
Почешхова Э.А., Попова Н.Г., Нурбаев С.Д., Почешхов Н.А. Детекторы ИИ-текста, академическая свобода и трансформация научной коммуникации: от запретов к регулируемому раскрытию // Научный редактор и издатель. 2026. Т. 11. № 1. С. 6-20. DOI: 10.24069/sep.26.11.49. Scopus РИНЦ
Стремительная интеграция больших языковых моделей в исследовательский цикл спровоцировала институциональную реакцию, выразившуюся в ужесточении редакционных политик и массовом внедрении детекторов текстов, сгенерированных искусственным интеллектом (ИИ). В настоящей статье анализируются статистические ограничения автоматизированных детекторов, их влияние на академическую свободу и когнитивное разнообразие научного дискурса. Анализ литературных источников (2023-2026 гг.) выявил, что при тестировании одного детектора на работах студентов - носителей языка уровень ложноположительных срабатываний составляет около 16%, однако при тестировании семи детекторов в отношении текстов, авторы которых не являются носителями английского языка, он достигает 61,3%, тем самым свидетельствуя о системной предвзятости инструментов. С позиций байесовской статистики обосновано, что при низкой базовой распространенности нарушений даже умеренная доля ложноположительных срабатываний приводит к доминированию ложных открытий в потоке санкционных решений. Рассматриваются легитимные сценарии применения ИИ на этапах обзора литературы, формализации гипотез, методологического дизайна и лингвистической подготовки рукописи к публикации. На основе официальных заявлений Committee on Publication Ethics (COPE), World Association of Medical Editors (WAME), ведущих издательских домов Nature Portfolio, American Association for the Advancement of Science (AAAS), Elsevier, Springer Nature, Institute of Electrical and Electronics Engineers (IEEE), Association for Computing Machinery (ACM), Международной федерации переводчиков (FIT), а также обзора актуальных публикаций систематизированы подходы к регулированию использования ИИ в научной деятельности. Предлагается переход от культуры детекции и запретов к модели прозрачного раскрытия, криптографической трассируемости и верификации исследовательского процесса. Отдельно рассматривается российский контекст: внедрение модуля детекции искусственно сгенерированных текстов в системе «Антиплагиат», отсутствие единой позиции Высшей аттестационной комиссии и операторов «Белого списка», а также проблема переносимости западных метрик качества детекторов на русскоязычные тексты. Особое внимание уделяется трансформации процесса создания научного текста и института рецензирования, проблеме глобального неравенства доступа к языковым инструментам и «технологической гонке» между детекторами и обходными технологиями.
The turbulent integration of generative language models into the research cycle has prompted an institutional response, including stricter editorial policies and ubiquitous AI detection tools. This article analyzes the statistical limitations of automated detectors and their effect on academic freedom and cognitive diversity in scientific discourse. Recent empirical data (2023-2026) indicate that the false-positive rate is approximately 16% when testing a single detector using texts written by native English-speaking students. However, this figure rises to 61.3% for texts written by non-native English speakers when testing seven detectors, indicating a systemic bias in these tools. Bayesian statistics suggest that, due to the low prevalence of violations, even a moderate proportion of false positives can lead to a high false discovery rate (FDR) in sanction decisions. Legitimate scenarios for AI application during the stages of literature review, hypothesis formalization, methodological design, and linguistic preparation of the manuscript for publication are considered. Approaches to regulating the use of AI in scientific research and the presentation of research findings in the form of scientific texts have been systematized using official statements from COPE, WAME, Nature Portfolio, American Association for the Advancement of Science (AAAS), Elsevier, Springer Nature, Institute of Electrical and Electronics Engineers (IEEE), Association for Computing Machinery (ACM), and the International Federation of Translators (FIT), as well as a review of relevant publications. The authors argue the need to transfer from a culture of detection and prohibition to that of transparent disclosure, cryptographic traceability, and verification of the research process. Particular attention is given to the Russian context, including the implementation of an AI-detection module in the Antiplagiat system and the absence of a unified stance by the Higher Attestation Commission (VAK) and the White List operators. The applicability of Western quality metrics for plagiarism detectors to Russian-language texts is also discussed. Another focus is the transformation of scholarly text creation and the peer-review system, the global inequality of access to language tools, as well as the “arms race” between detection tools and circumvention technologies.