Российские ученые создали ИИ для написания научных статей

Что случилось

На международную IT-конференцию класса A* (так обозначают наиболее престижные научные конференции. — «РБК Тренды») приняли статью, основную часть работы над которой выполнила система искусственного интеллекта, созданная российскими исследователями. Эксперимент был посвящен интернету вещей: ИИ провел исследование и подготовил текст публикации, а ученые проверили результаты и подтвердили корректность данных.

По оценке команды проекта, ИИ выполнил около 90% работы над статьей. Нейросеть участвовала в исследовательском процессе: искала и анализировала научные источники, писала код, запускала эксперименты на облачных серверах, обрабатывала полученные результаты и оформляла публикацию. Еще около 10% работы выполнили специалисты — они валидировали данные и контролировали соблюдение научных требований.

Инструмент разработали специалисты Института AIRI, Университета «Иннополис» и ИТМО. Это не одна языковая модель, которая генерирует текст по запросу, а система из нескольких ИИ-агентов: каждый из них может отвечать за отдельный этап исследования. Ученый задает тему и контролирует процесс, а алгоритмы берут на себя значительную часть технических и аналитических задач.

Получившаяся статья прошла международное слепое рецензирование: эксперты оценивали ее без информации об авторах.

Футурология Какие тренды будут определять будущее науки

Пока система остается на стадии доработки и недоступна пользователям. Исследователи хотят подробнее проверить, насколько надежно она ставит и проводит эксперименты. Отдельно команда изучает возможность адаптировать разработку для исследований в области химии и археологии.

В дальнейшем инструмент может использоваться не только для подготовки статей, но и как предварительный фильтр для научных публикаций. Разработчики рассчитывают, что он поможет выявлять слабые или полностью сгенерированные материалы еще до отправки рецензентам и тем самым снизит нагрузку на научных экспертов.

Проект создан в рамках инициативы «Решения и сервисы для профессионального сообщества» Десятилетия науки и технологий. Ее цель — разработка цифровых инструментов, которые упрощают работу ученых, инженеров и технологических предпринимателей.

Контекст и предпосылки

ИИ все чаще применяют для выполнения отдельных этапов исследования. В 2025 году японская компания Sakana AI сообщила, что ее система AI Scientist-v2 самостоятельно сформулировала гипотезу, провела эксперименты, проанализировала результаты и подготовила статью. Одна из трех таких работ прошла рецензирование на воркшопе конференции ICLR, хотя разработчики и авторы исследования отметили: это была статья для отдельной секции конференции, где требования обычно ниже, чем в основной программе.

Экономика инноваций Как ИИ может на годы ускорить клинические исследования препаратов

Похожий проект развивает Google DeepMind. В мае 2026 года компания представила в журнале Nature результаты испытаний системы Co-Scientist — набора ИИ-агентов на базе Gemini, которые предлагают научные гипотезы, проверяют их по источникам, обсуждают между собой и выбирают наиболее перспективные варианты. В биомедицинских исследованиях система помогла найти новые сочетания препаратов для лечения острого миелоидного лейкоза; их эффект затем подтвердили в лабораторных экспериментах на клетках. Теперь Google начинает предоставлять исследователям доступ к инструменту через экспериментальный сервис Hypothesis Generation в составе Gemini for Science.

Научное сообщество видит в таких инструментах способ ускорить исследования, но относится к ним осторожно. Опрос Nature среди более чем 5 тыс. ученых показал, что исследователи расходятся во мнениях о допустимой роли ИИ в подготовке статей и о том, когда его использование нужно раскрывать. Особенно чувствительной остается тема рецензирования: генеративные модели могут выдавать ошибочные выводы, а загрузка неопубликованных статей в ИИ-сервисы создает риск утечки конфиденциальных данных.

Вероятные последствия

• В эксперименте российской команды на долю ИИ, по данным разработчиков, пришлось 90% исследования и подготовки текста. Если такой подход станет массовым, университетам и научным организациям придется отдельно учитывать публикацию и реальный вклад исследователя: кто сформулировал гипотезу, написал код, интерпретировал данные и отвечал за ошибки. Иначе одна и та же статья может одновременно считаться достижением ученого, лаборатории и разработчиков ИИ-системы.
• Исследователи уже обнаруживали в научных работах скрытые команды, рассчитанные на то, чтобы автоматический рецензент дал работе более высокую оценку. Если ИИ-агенты начнут одновременно участвовать в подготовке публикаций и их предварительном отборе, авторы смогут оптимизировать работу не под научную ценность, а под поведение проверяющей модели. Поэтому конференциям, вероятно, понадобятся технические проверки рукописей на скрытые инструкции и обязательное участие человека в финальном решении.