Традиционное авторство в науке — это не просто перечисление участников, а маркер профессиональной компетенции и личной ответственности за результат. В отличие от аспиранта или лаборанта, нейросеть не способна обосновать сгенерированные выводы или нести репутационные риски в случае ошибки. Текущие стандарты, такие как таксономия CRediT, оказались не готовы к коллаборации человека и машины, так как они изначально проектировались для распределения ролей между живыми людьми.
Редакторы Nature настаивают, что проблему нельзя решить простым добавлением ИИ в списки соавторов. Сейчас сложилась абсурдная ситуация: работа, выполненная живым сотрудником, может быть проигнорирована, тогда как использование алгоритма требует формализации. Это открывает дискуссию не о статусе нейросети, а о самой иерархии научного труда. Издателям предстоит решить, как отделить реальный вклад в исследование от технического использования инструментов, чтобы публикация оставалась подотчётной и заслуживающей доверия.
Комментарии (0)
Пока нет комментариев. Будьте первым!