Телеграм канал «Выше квартилей»

​​Дайджест январь 2026:

Представляем дайджест научных событий за последний месяц.

ИИ в науке

• В Nature обсудили опасения экологов: увлечение цифровыми инструментами и ИИ может вытеснять полевые исследования, из-за чего экология рискует утратить прямой контакт с природой. Там же обсудили и проблемы социологов: недавно был создан чат-бот, неотличимый от настоящих участников онлайн-опросов, таким образом один из ключевых методов социальных наук (онлайн-анкетирование) может оказаться под угрозой. 

• The Scholarly Kitchen отмечают, что большинство авторов все еще не указывают использование ИИ в научных публикациях из-за страха негативной оценки и неясных требований со стороны журналов.

• В «Нацподписке» отметили, что Springer Nature анонсировало внедрение новых ИИ-функций на платформе protocols.io, направленных на поддержку исследовательского процесса и обмена научными знаниями.

• В The Scholarly Kitchen обсудили, действительно ли поиск по ключевым словам уходит в прошлое на фоне ИИ-инструментов и почему ключевые слова пока рано списывать со счетов.

Наука в мире

• В Nature отметили 25-летие Википедии, подчеркнув, что онлайн-энциклопедия может быть противоядием от всё более «отравленной» информационной экосистемы. Авторы заметки призывают ученых активнее участвовать в развитии Вики как неожиданно надёжного источника знаний.

• В THE сообщают, что статьи женщин-учёных в среднем проходят рецензирование на несколько недель дольше. Авторы связывают это с предвзятостью рецензентов и более высокой преподавательской нагрузкой, замедляющей доработку публикаций.

• В блоге LSE отмечают, что, несмотря на космополитический идеал науки, лучшие исследования по-прежнему сосредоточены в небольшом числе мест. 

Научная политика

• Science сообщили, что за недавнее время США потеряли более 10 000 обладателей PhD в STEM, т. е. примерно 14 % всех таких специалистов, что связано с сокращениями на финансирование науки.

• В THE сообщили, что еще три британских вуза отказались от новой трёхлетней сделки с Elsevier, тем самым продолжив волну разрыва контрактов вузов с издательством.

Рейтинги и базы данных

• В Science сообщили, что arXiv ужесточил правила для новых авторов в ответ на поток низкокачественных ИИ-текстов. Теперь тем, кто впервые размещает препринт, требуется одобрение от признанного автора в своей области, тогда как ранее было достаточно институциональной почты.

• Clarivate опубликовала рейтинг Top 100 Global Innovators 2026, тем самым отметив организации, обеспечившие около 16 % самых влиятельных в мире изобретений в области ИИ.

Научная этика

• В Science сообщили, что приглашённые редакторы специальных выпусков часто злоупотребляют своими полномочиями. По последним данным в 13 % таких выпусков за последние 10 лет гостевой редактор был автором более трети всех публикаций.

• Выступления на конференциях и апробация исследований повышают доверие к научной работе и считаются маркером добросовестности учёного, отмечает Scholarly Kitchen.

• В Nature отозвали статью после того, как расследование выявило манипуляции с данными со стороны первого автора. По данным Retraction Watch, работа 2023 года о чувствительности рака лёгких к иммунотерапии успела получить 192 цитирования.

Наука в России

• Автор канала «Что-то на научном» оценил «скрытую стоимость» peer review в России примерно в 500 млн рублей в год. Эти деньги представляют собой неоплаченный труд исследователей. Там же отметили, что компания OpenAI запустила сервис Prism. По оценкам авторов, он может радикально изменить то, как пишутся научные статьи

• Colab опубликовал рейтинг топ-50 статей 2025 года в ведущих международных журналах с участием российских учёных.

• НБЖД сообщили, что с 1 января 2026 года вступает в силу новый ГОСТ по оформлению научных текстов. 

#дайджест #научнаяэтика #научнаяполитика #рейтинги #базыданных #наукавроссии #новостинауки

С генеративными нейросетями ученые стали писать больше статей — правда, оценивать эти тексты стало сложнее

Большие языковые модели (LLM) — такие как ChatGPT — все активнее используются в науке, но до недавнего времени было неясно, как именно они меняют научное письмо в целом.

Команда исследователей из Корнеллского университета и Калифорнийского университета в Беркли попытались ответить на этот вопрос. Они проанализировали более двух миллионов препринтов — научных статей, выложенных в открытый доступ до рецензирования — за 2018–2024 годы из трех крупнейших баз: arXiv, bioRxiv и SSRN.

В качестве примера человеческого письма авторы взяли аннотации, опубликованные до 2023 года. Затем они переписали их с помощью GPT-3.5, чтобы выявить признаки текста языковой модели. А уже на основе различий оценивалась вероятность того, что более поздние аннотации были подготовлены не без помощи LLM .

Такой метод не позволяет точно определить вклад языковых моделей в каждую отдельную работу — и авторы исследования отдельно это подчеркивают. Но некоторые изменения в научном письме увидеть все же можно.

▫️Научных работ стало больше

Когда в работах появляются признаки использования языковых моделей, авторы начинают публиковать заметно больше препринтов: на треть больше на arXiv, более чем на 50% на bioRxiv и почти на 60% на SSRN.

Исследователи объясняют эту тенденцию так. Подготовка статьи требует много времени: надо собрать аргументы, поработать с литературой и четко сформулировать выводы. У не-носителей английского языка могут возникнуть трудности, но LLM упрощают эти задачи. Отсюда дополнительное время для подготовки других статей.

Особенно сильный эффект от использования языковых моделей наблюдается у ученых с азиатскими именами, работающих в институтах Азии. У этой группы в отдельных областях число препринтов удвоилось.

▫️Язык перестал быть индикатором качества

До их появления LLM сложный академический язык обычно отражал значительные усилия, вложенные в исследование. Своего рода косвенный сигнал качества, считают авторы.

Подготовленные с помощью языковых моделей работы воспроизводят внешние признаки такого письма, хотя по другим критериям статья может быть слабой. Избыточная сложность нередко сопровождает слабую методологию или ограниченную новизну, что снижает вероятность публикации.

А еще языковые модели влияют на поиск и использование предыдущих исследований: ученые чаще ссылаются на более свежие и менее известные источники.

https://t.me/tochno_st/746

​​NeurIPS 2025: в материалах ведущей научной конференции нашли сгенерированные ссылки

GPTZero обнаружил по меньшей мере 100 фальшивых источников в работах, принятых на конференцию NeurIPS 2025, одной из самых престижных в области машинного обучения и ИИ.

На конференцию NeurIPS 2025 было подано более 21 500 работ, т. е. в 2 раза больше по сравнению с 2020 годом, когда заявок было 9 467. В 2025 году 5 290 работ были приняты к публикации — это примерно 24.5 % от общего числа, то есть почти каждая четвёртая работа прошла через многократное рецензирование, а на каждый принятый материал приходилось в среднем 15 000 публикаций, с которыми соревновались авторы.

Анализ охватил 4 841 материал, прошедший рецензирование для NeurIPS. В 51–53 работах были подтверждены фальшивые или несуществующие источники: вымышленные статьи, несуществующие DOI или неправильные данные, что подогревает беспокойство о качестве проверки научных публикаций в эпоху широкого применения LLM (рис.). 

При этом обработку статей обеспечивали около 20 500 рецензентов, 1 663 area chairs и 199 senior area chairs — невероятно большая команда, но всё равно крайне загруженная. Несмотря на строгую политику рецензирования из-за такого наплыва работ организаторы столкнулись с очевидными трудностями: выросла доля относительно неопытных рецензентов, а системы подбора материалов (например, через OpenReview) стали больше полагаться на автоматическую проверку, чем на глубокую экспертизу. Очевидно, что рецензенты попросту не успевали перепроверять каждую цитату.

Случай с NeurIPS 2025 подтверждает, что даже самые престижные конференции оказываются уязвимыми перед вызовами современной науки. Вероятно, в эпоху LLM проблема уже не только в том, используют ли ИИ при написании статей, а в том, кто и как проверяет результат. Именно качество научной экспертизы становится новым уязвимым местом академической системы.

#рецензирование #научнаяэтика #галлюцинации #NeurIPS2025

25 лет Википедии: о каких учёных читают чаще всего

Как уже успели отметить наши коллеги из НБЖД и «Системного Блока», Википедия в этом году празднует своё 25-летие.

Хотя общий интерес к Википедии как к источнику знаний в последние годы снижается из-за развития ИИ, открытая статистика по просмотрам на Вики служит хорошим индикатором внимания и интереса к тем или иным темам. Эти данные, например, регулярно используют при составлении рейтингов, в том числе университетов. Мы же решили посмотреть на Википедию с другой стороны и выяснить, какие ученые вызывают постоянный интерес у пользователей площадки.

Для этого мы взяли официальную статистику просмотров Википедии от Wikimedia Foundation и проанализировали, какие статьи стабильно попадали в топ-1000 самых просматриваемых с 2016 года — отдельно для английской и русской версий для каждого из дней за 10 лет, включая январь 2026 года. Такой подход позволяет проследить долгосрочный интерес, а не разовые всплески популярности. Чем больше таких «попаданий», тем устойчивее интерес к теме на протяжении лет.

Так мы сравнили:

• англоязычную Википедию — как показатель глобального интереса,

• русскоязычную Википедию — как отражение локального культурного внимания.

Это позволило увидеть, кто остаётся интересен годами, а кто популярен лишь в одной языковой версии. Таким образом мы получили топ самых популярных страниц исследователей.

5 самых популярных ученых в англоязычной версии Вики:

1. Альберт Энштейн (3648 дней попадал в топ рейтинга)

2. Стивен Хокинг (3062 дней)

3. Никола Тесла (2149)

4. Исаак Ньютон (881)

5. Роберт Оппенгеймер (866)

Отчасти схожую картину наблюдаем в русскоязычной версии Вики, но все же с национальным уклоном: Альберт Эйнштейн (3278 дней), Стивен Хокинг (2518), Михаил Ломоносов (2351), Никола Тесла (2241), Сергей Королёв (947).

Топ российских ученых в русскоязычной Вики представлен следующими фигурами:

1. Михаил Васильевич Ломоносов (2351 дней)

2. Сергей Павлович Королёв (947)

3. Дмитрий Иванович Менделеев (888)

4. Андрей Дмитриевич Сахаров (273)

5. Пётр Леонидович Капица (155)

Разница между английской и русской версиями показывает, что глобальный канон и локальная память живут по разным законам. Для мира важны фигуры, связанные с фундаментальной наукой и большими нарративами XX века, тогда как русская Википедия сильнее отражает национальную историю науки и техники. При этом такие люди как Эйнштейн, Хокинг и Тесла — не просто учёные, а символы науки как таковой, понятные вне языков и стран.

Примечательно, что долгосрочный интерес почти не зависит от новостных поводов. Действительно, громкие события и фильмы дают всплески (в частности, вероятнее всего это объясняет интерес к имени Р. Оппенгеймера), но в топе годами остаются те, чьи имена встроены в повседневное представление о том, «как работает наука». Таким образом Википедия здесь выступает не просто энциклопедией, а зеркалом коллективного знания: она показывает не то, что «важно по мнению экспертов», а то, о чём и о ком люди действительно продолжают читать изо дня в день и год за годом, на разных языках и в разных культурах.

#wikipedia #популярность #ученые #Тесла #Хокинг #Ломоносов #Капица #Энштейн #Менделлев #Сахаров #Королев #Оппенгеймер #википедия

​​(Не)бесконечные лимиты? OpenAlex переходит на обязательные API ключи

С 13 февраля для выгрузок данных из OpenAlex потребуется API-ключ. Команда платформы объясняет это решение необходимостью повышения качества сбора статистики по использованию сервиса, адаптации инфраструктуры под реальный исследовательский запрос, а также предотвращения злоупотреблений по использованию сервиса.

По словам разработчиков, OpenAlex обрабатывает около 1,5 миллиарда запросов в месяц (больше, чем Crossref), и этот показатель продолжает расти. Такая нагрузка вынуждает команду оптимизировать работу платформы и вводить более управляемую модель доступа.

Без API-ключа пользователи смогут получить 100 бесплатных кредитов в день, чего достаточно для тестирования и демонстрационных задач, но после этого запросы будут возвращать ошибку 409.

С API-ключом доступ остаётся бесплатным для большинства пользователей (разработчики не конкретизируют, что скрывает эта гибкая формулировка): платформа будет предоставлять 100 000 кредитов в день. Текущие предложения таковы: 1 запрос по публикации = 1 кредиту, 1 список работ по фильтру = 10 кредитов, выгрузка контента = уже 100 кредитов (обещают выкатить функционал в ближайшее время), а анонсированный векторный поиск = 1000 кредитов (то есть порядка всего 100 запросов в день). Как подчёркивает команда OpenAlex, система кредитов и лимитов пока не является окончательной и продолжает калиброваться.

Объявленные изменения сближают платформу с другими крупными инфраструктурными сервисами научных данных, где API-ключ давно является стандартом, а не исключением. Но одновременно они могут стать первым серьезным шагом к большей коммерциализации OpenAlex (напомним, что премиум доступ у платформы есть уже некоторое время). 

Надеемся, что, по крайней мере, пока OpenAlex останется бесплатным для большого процента исследователей, аналитиков и разработчиков, а изменения являются вынужденной мерой в попытке сохранить устойчивость проекта при стремительно растущей нагрузке (и повышения цен на комплектующие в связи с бумом ИИ).

#открытыйдоступ #API #OpenAlex #новости