Biomeditsiini valdkonnas sisaldab 89 protsenti uutest avatud juurdepääsuga teadusartiklitest keelemudelite abil kirjutatud või toimetatud teksti, osutab Belgia ja Saksa teadlaste uuring. Leiu paikapidavust pole aga veel hinnanud sõltumatud teadlased.
Tihti arvavad inimesed, et tehisaru kirjutab teadustöö ühe ropsuga algusest lõpuni valmis. Uus analüüs osutab nüüd, et masina n-ö näpujäljed ei jaotu avaldatud kirjatükis ühtlaselt. Kõige enam näeb neid artiklis tulemuste lahtimõtestamisel. Seevastu metoodika kirjapanekul usaldavad uurijad algoritme märksa vähem.
Meetodeid masinale ei usaldata
Keelemudelite võidukäik algas 2022. aasta lõpus. Nagu paljudele teistele, andis see teadlastelegi tõhusa tööriista. Eriti palju toetuvad uuele tehnoloogiale nende riikide uurijad, kelle emakeel pole inglise keel. Nemad lasevad masinal oma mustandeid toimetada ja tõlkida.
Muutuste tuules kardab akadeemiline kogukond, et masina koostatud tekst sisaldab väljamõeldud viiteid ja muudab teadusmõtte üheülbaliseks. Soovides olukorda lahendada, vajavad poliitikakujundajad täpseid andmeid keelemudelite tegeliku leviku kohta.
Nüüd võtsidki Genti Ülikooli arvuiteadlane Dmitry Kobak ja kolleegid küsimuse luubi alla. Seni hindasid asjatundjad tehisaru kasutamist erinevate tekstituvastustarkvaradega. Need andsid aga sageli vastukäivaid tulemusi.
Nüüd analüüsisid uue uuringu autorid vigade vältimiseks PubMed Centrali andmebaasist ligi 1,2 miljoni biomeditsiini artikli täisteksti. Uuritud artiklid ilmusid aastatel 2017–2025.
Ilmnes, et tehisaru toel valminud artiklite osakaal jõudis 2025. aasta detsembriks 89 protsendini. Leid ületab oluliselt varasemaid hinnanguid, mis pakkusid masinate masina osaluseks sageli alla paarikümne protsendi.
Seejuures ei kasuta teadlased tehisaru abi kogu artiklis ühtlaselt. Keelemudelitele toetutakse kõige enam kokkuvõtvas arutelupeatükis. Lühilõikude analüüsi põhjal ulatub seal tuvastatud masina kasutus pea 70 protsendini.
Tulemuste ja sissejuhatuse peatükkides toetuvad teadlased tehisarule vähem. Sissejuhatuste ja tulemuste lühilõikudest leidsid uurijad tehisaru märke vastavalt ligi 60 ja 46 protsendil juhtudest. Kõige harvemini usaldatakse algoritmidele aga uuringu metoodikakirjeldusi, kus keelemudelite kasutust oli lühemates lõikudes näha vaid 32 protsendil juhtudest.
Erinevus tuleneb metoodika peatüki olemusest, sest laboriprotokolle ja arvandmeid tuleb esitada väga täpselt. Ometi nähtus andmetest, et isegi metoodika peatükkides tervikuna on üle poole tekstist saanud keelemudelilt mingi keelelise lihvi. Niisugune vastuolu näitab, et metoodikaosas ei koostata teksti masinaga lausaliselt, vaid kohendatakse üksikuid lõike.
Keeleline tasandaja
Tulemusteni jõudmiseks jälgisid uuringu autorid sadade üksiksõnade esinemissagedust teaduskorpuses. Keelemudelid eelistavad teatud sõnu, nt ingliskeelseid verbe nagu delve ja omadussõnu nagu potential. Kui tekstis leidub neid ebatavaliselt sageli, reedabki see masina kasutamise. Võrdluse jaoks arvutas töörühm välja sõnade eeldatava sageduse tehisarueelsel ajastul ja kõrvutas seda praeguste andmetega.
Geograafiline analüüs kinnitab, et kuna rahvusvaheline teaduskeel on inglise keel, käibib uus tehnoloogia paljuski keelelise tasandajana. Lõuna-Korea ja Hiina teadustöödest on tehisaru toel kirjutatud juba üle 80 protsendi, samas kui Suurbritannia teadlastel jääb sama näitaja alla kolmandiku.
Uuringu autorite loodud algoritmil on ka omad nõrkused. Esiteks eeldab see, et inimesed ei hakka ise alateadlikult tehisaru stiili matkima. Teiseks võivad autorid hakata tehisarule omaseid sõnu meelega vältima. Kummagi suundumuse tegelikku mõju ja levikut teaduskeeles on praegu veel raske täpselt mõõta.
Uuringu esmaversioon on leitav võrguvaramust arXiv.