وقتی ابزار جای نویسنده را می گیرد: هوش مصنوعی و خطر فروپاشی اعتماد علمی

چکیده

مدل های زبانی بزرگ در فاصله کوتاهی از یک ابزار حاشیه ای به بخشی از جریان کار پژوهشگران تبدیل شده اند. این تحول، پرسش هایی درباره اصالت، پاسخ گویی و مرزهای استفاده مجاز به وجود آورده است. این نوشتار، شواهد تجربی سال های ۲۰۲۵ و ۲۰۲۶ را مرور می کند و بر سه محور تمرکز دارد: گستره استفاده، خطرات مستند شده و سیاست هایی که ناشران در پیش گرفته اند.

۱. گستره استفاده

آمارها نشان می دهد استفاده از AI در نگارش علمی دیگر یک استثنا نیست. یک مطالعه روی مقالات نمایه شده در PubMed Central گزارش کرده که در سال ۲۰۲۵ حدود ۷۷ درصد مقالات نشانه هایی از کمک گرفتن از مدل های زبانی داشتند، درحالی که این رقم برای سال ۲۰۲۴ حدود ۵۲ درصد بود [1]. این رشد سریع، هم فرصت است و هم هشدار. فرصت ازاین جهت که ابزارها می توانند بار ویرایش زبانی را از دوش نویسندگان غیربومی بردارند؛ هشدار ازاین جهت که بخش هایی مانند نتایج و بحث که باید مستقیما از داده ها و استدلال نویسنده بیایند، نباید به ماشین سپرده شوند [1].

۲. خطرات مستند شده

سه خطر اصلی در ادبیات موضوع تکرار می شود.

نخست، توهم ارجاعی: یک گزارش در Science در مارس ۲۰۲۶نمونه هایی از ارجاعاتی را آورده که وجود خارجی نداشتند؛ اما از نظر قالب کاملا معتبر به نظر می رسیدند [2]. در همان گزارش، نرخ توهم در برخی مدل ها بین ۲۸ تا ۹۱ درصد برآورد شده است [2]. این یافته با مطالعه ای در bioRxiv هم خوانی دارد که نشان داد در مقالات تولیدشده با AI، هیچ یک از نویسندگان استفاده از این ابزارها را افشا نکرده بودند، حتی وقتی مجلات مربوطه افشا را الزامی کرده بودند [3].

دوم، فرسایش مهارت های استدلالی: یک مقاله در Advances in Simulation هشدار داده که سپردن مستمر کارهای فکری به AI می تواند در بلندمدت به تضعیف توانایی پژوهشگران در ساختن استدلال پیچیده و تشخیص ظرافت های داده منجر شود [4]. این نگرانی صرفا نظری نیست؛ یک مرور در ScienceDirect آن را «تقلب معرفتی» نامیده و توضیح داده که وقتی هیچ انسان پاسخ گویی پشت ادعاها نباشد، اعتماد به بدنه دانش بشری خدشه دار می شود [5].

سوم، یکنواختی سبک: داوران و ویرایشگران به تدریج با الگوهای نگارشی AI آشنا شده اند: واژگان قالبی، ساختارهای موازی، و پاراگراف هایی که همه یک ریتم دارند. این الگوها به تنهایی اثبات استفاده از AI نیستند، اما در کنار شواهد دیگر، به شک داور دامن می زنند.

۳. رهنمودهای ناشران

سیاست های نشر در حال به روزرسانی است. کارگروه بین المللی سردبیران مجلات پزشکی در توصیه های سال ۲۰۲۶ خود تصریح کرده که AI نمی تواند به عنوان نویسنده ذکر شود و نویسندگان موظف اند هرگونه استفاده را افشا کنند [6]. الزویر نیز در اوت ۲۰۲۶ سیاست خود را به روز کرد: استفاده از AI برای ویرایش زبان مجاز است، اما اگر AIتغییرات محتوایی ایجاد کند، باید در بیانیه ای جداگانه با عنوان «Declaration of Generative AI and AI-assisted technologies in the writing process» افشا شود [7]. برخی مجلات، مانند FSE 2026، گام را فراتر گذاشته اند و از نویسندگان می خواهند نسخه AI، متن prompt و شرح ویرایش های بعدی را نیز ارائه دهند [8].

۴. توصیه های عملی

بر پایه شواهد بالا، سه توصیه قابل ارائه است:

الف) راستی آزمایی کامل: هر ارجاع، عدد و نام باید مستقل بررسی شود. اتکا به حافظه مدل، حتی وقتی خروجی مطمئن به نظر می رسد، خطرناک است [2].

ب) بازنویسی با صدای نویسنده: متن نهایی باید سبک و استدلال نویسنده انسانی را بازتاب دهد. اگر AI پیش نویسی تولید کرد، آن پیش نویس باید خوانده، فهمیده و از نو نوشته شود [4].

ج) افشای شفاف: ذکر استفاده از AI در بخش تقدیرها یا بیانیه اختصاصی، هم الزام بسیاری از ناشران است و هم اعتماد داور و خواننده را جلب می کند [6][7].

5. نتیجه گیری

AI در نگارش علمی جای خود را بازکرده است، اما این جایگاه باید محدود و شفاف بماند. ابزار می تواند ویرایش کند، ترجمه کند، و پیش نویس بسازد؛ اما استدلال، تفسیر و پاسخ گویی باید از آن نویسنده انسانی بماند. در غیر این صورت، خطر انتشار اطلاعات نادرست و آسیب به اعتبار پژوهشی جدی است.

منابع

1. bioRxiv. (2026). Fine-Grained Detection of AI-Generated Writing in the Biomedical Literature. https://www.biorxiv.org/content/10.64898/2026.01.01.697311v1.full

2. Science. (2026, March 29). Cite unseen: when AI hallucinates scientific articles. https://www.science.org/content/article/cite-unseen-when-ai-hallucinates-scientific-articles

3. bioRxiv. (2026). AI-generated content among additional manuscripts published by senior authors of fully AI-generated papers. https://www.biorxiv.org/content/biorxiv/early/2026/01/05/2026.01.01.697311.source.xml

4. Advances in Simulation. (2025). Artificial intelligence-assisted academic writing: recommendations for ethical use. Advances in Simulation, 10, 66. https://doi.org/10.1186/s41077-025-00350-6

5. ScienceDirect. (2026). Generative AI and project scholarship: The collision is coming fast. International Journal of Project Management. https://www.sciencedirect.com/science/article/abs/pii/S0263786326000451

6. Kumar, V., & Dabas, A. (2026). ICMJE Recommendations (2026) on the Use of Artificial Intelligence in Scientific Writing. Indian Pediatrics, 63, 457. https://doi.org/10.1007/s13312-026-00336-1

7. Elsevier. (2026, August 17). Updated generative AI policies for journals: supporting responsible use while protecting trust. https://www.elsevier.com/en-au/connect/updated-generative-ai-policies-for-journals-supporting-responsible-use-while-protecting-trust

8. FSE 2026. (2026). AI Tool Policy. International Association for Cryptologic Research (IACR). https://fse.iacr.org/2026/aipolicy.php