Рецензирование остаётся одним из главных механизмов контроля качества научных публикаций. Однако нынешняя модель, основанная преимущественно на добровольной работе учёных, всё хуже справляется с объёмом поступающего материала.
По данным исследований, количество статей, индексируемых в Scopus и Web of Science, увеличивается примерно на 5,6% в год. При этом, по одной из оценок, учёные по всему миру ежегодно тратят около 15 тыс. человеко-лет на рецензирование чужих работ. Если перевести этот труд в денежное выражение, только в США его стоимость оценивается примерно в 1,5 млрд долларов.
Рецензентов не хватает
Нагрузка на специалистов растёт настолько быстро, что редакторы журналов сталкиваются с серьёзными проблемами при поиске экспертов.
Так, редактор Human Immunology Стивен Мак отмечает, что ещё несколько лет назад для поиска трёх рецензентов ему требовалось отправить около пяти–десяти приглашений. Теперь для получения хотя бы одной рецензии иногда приходится обращаться примерно к 30 исследователям.
Одновременно растёт риск, что редакторы будут назначать рецензирование специалистам, которые недостаточно хорошо знакомы с темой или просто не располагают временем для полноценного анализа работы.
Проблема усугубляется тем, что научная карьера во многих областях напрямую зависит от количества публикаций. Учёные заинтересованы в том, чтобы выпускать больше статей, поскольку публикационная активность влияет на получение грантов, должностей и академического признания. Это создаёт своеобразный замкнутый цикл: число публикаций растёт, а ресурс экспертной проверки остаётся ограниченным.
ИИ ускоряет производство научных текстов
Искусственный интеллект добавил системе ещё один фактор нагрузки. Большие языковые модели позволяют значительно ускорить подготовку научных текстов, редактирование и перевод, благодаря чему публиковать исследования на английском языке стало проще для исследователей из разных стран.
Особенно заметен этот эффект в области искусственного интеллекта. Количество работ, поступающих на ведущие конференции по машинному обучению, с 2019 года выросло в несколько раз, а в отдельных случаях — на порядок.
Однако увеличение объёма публикаций не сопровождается пропорциональным ростом числа экспертов, способных их оценивать.
Дополнительную проблему создают так называемые бумажные фабрики — сервисы, занимающиеся подготовкой и распространением фиктивных или низкокачественных научных публикаций. Такие работы могут выглядеть убедительно и требуют от редакторов и рецензентов дополнительных усилий для выявления проблем.
ИИ начинает использоваться и самими рецензентами
Пытаясь справиться с нагрузкой, исследователи всё чаще обращаются к ИИ уже на этапе рецензирования. Согласно опросу сотрудников издательства Frontiers, более половины рецензентов используют искусственный интеллект в той или иной форме.
Однако такая практика создаёт новые риски.
ИИ может генерировать несуществующие научные источники, неправильно интерпретировать результаты или формировать убедительно выглядящую, но содержательно ошибочную рецензию. Кроме того, загрузка неопубликованной рукописи во внешний ИИ-сервис может нарушать требования конфиденциальности.
Один из исследователей столкнулся с подобной проблемой после получения рецензии, содержавшей ссылку на несуществующий источник. Только после нескольких дней поисков он предположил, что библиографическая ссылка могла быть сгенерирована языковой моделью.
Поэтому ИИ способен одновременно уменьшить нагрузку на рецензентов и повысить риск появления ошибок в самом процессе экспертной оценки.
ИИ может стать помощником, а не заменой рецензента
Некоторые научные организации уже пытаются найти компромиссный вариант.
В 2026 году конференция NeurIPS проводит эксперимент с ИИ-инструментами, которые должны помогать рецензентам анализировать статьи и проводить необходимую исследовательскую работу, но не полностью заменять человеческое экспертное заключение.
Такой подход предполагает разделение функций: алгоритм выполняет рутинный поиск информации и помогает разобраться в материале, а окончательные выводы остаются за специалистом.
Это принципиально отличается от полностью автоматического рецензирования, поскольку именно эксперт должен определить, насколько корректны методология, интерпретация результатов и научная новизна работы.
Препринты и научные блоги становятся альтернативой
Проблема особенно заметна в быстро развивающихся областях, где результаты могут устареть ещё до завершения традиционного процесса публикации.
Одним из решений стали препринты — статьи, размещаемые авторами в открытом доступе до прохождения формального рецензирования. Такие публикации позволяют быстрее распространять результаты исследований, не ожидая месяцы или даже годы решения журнала.
В ИИ-сообществе получили распространение также специализированные научные блоги и форумы. Они позволяют обсуждать исследования непосредственно между авторами и читателями, а комментарии могут появляться значительно быстрее формальных рецензий.
Однако у такой модели есть существенный недостаток: популярность работы не обязательно означает её научную достоверность. Харизматичный автор или хорошо написанный текст могут получить больше внимания, чем технически более качественное, но менее доступное исследование.
Возможна новая модель рецензирования
Одно из предлагаемых решений заключается в отделении экспертной оценки от конкретного научного журнала. В такой модели научное сообщество сначала проводит независимое рецензирование работы, после чего автор может направить уже оценённую статью в один из журналов, участвующих в системе.
Если первый журнал отказывает в публикации по причинам, не связанным с качеством исследования, автору не придётся начинать процедуру рецензирования заново.
Другой вариант — оплата труда рецензентов. По некоторым данным, вознаграждение в размере примерно $100–300 за рецензию способно ускорить процесс без заметного ухудшения качества экспертной оценки. Однако критики опасаются, что дополнительные расходы будут переложены на авторов через увеличение публикационных сборов.
Есть и более радикальное предложение — сократить количество работ, направляемых на полноценное рецензирование, повысив требования к их научной значимости.
Рецензирование, скорее всего, не исчезнет
Полный отказ от экспертного рецензирования маловероятен. Оно выполняет не только функцию контроля качества, но и обеспечивает научным публикациям институциональную легитимность — именно поэтому система стала фундаментальной частью современной академической науки.
Однако нынешняя модель, основанная на практически бесплатном добровольном труде исследователей, сталкивается с очевидным ограничением масштабирования.
Вероятнее всего, рецензирование не исчезнет, а изменится. Его могут дополнить ИИ-инструменты, препринты, открытые комментарии, независимые платформы экспертной оценки и оплачиваемая работа рецензентов.
Главный вызов при этом заключается не столько в самом искусственном интеллекте, сколько в фундаментальном дисбалансе между скоростью производства научного контента и скоростью его экспертной проверки. Если количество публикаций продолжит расти быстрее, чем число квалифицированных рецензентов, традиционная система будет вынуждена адаптироваться — либо постепенно потеряет способность обеспечивать тот уровень контроля качества, который от неё ожидает научное сообщество.
Источник: https://arstechnica.com/science/2026/08/peer-review-is-overwhelmed-can-it-survive-in-the-ai-era/Если вам понравился материал, кликните значок — вы поможете нам узнать, каким статьям и новостям следует отдавать предпочтение. Если вы хотите обсудить материал —не стесняйтесь оставлять свои комментарии : возможно, они будут полезны другим нашим читателям!
