Naukowcy i wydawcy pracują nad nowym systemem certyfikacji dla badań wspieranego sztuczną inteligencją, który miałby podnieść wiarygodność publikacji naukowych i zapewnić czytelnikowi pełną transparentność. Problem jest realny - wraz z rosnącą popularnością narzędzi AI w badaniach pojawił się bałagan wokół standardów raportowania: brakuje jasnych reguł, jakie etapy eksperymentu wspierane były przez algorytmy, w jaki sposób modele wpłynęły na wyniki i jak dochowywano rzetelności naukowej. Dotychczasowe praktyki czasami przypominały czarną skrzynkę, gdzie czytelnik nie wie, gdzie kończy się praca człowieka, a zaczyna się automatyka.
Proponowany framework to de facto certyfikat przejrzystości dla publikacji. Badacze, którzy skorzystali z generatywnych modeli, narzędzi do analizy danych czy jakiegokolwiek wsparcia AI, byliby zmuszeni precyzyjnie zadeklarować to w artykule - którą dokładnie wersję narzędzia użyli, w jakich etapach badania, i co algorytm faktycznie zrobił. Certyfikacja miałaby różne poziomy, od minimalnego ujawnienia po pełną dokumentację parametrów modelu. To rozwiązanie szczególnie istotne dla pól badań, gdzie AI rzeczywiście zmienia sposób pracy nad danymi, takie jak bioinformatyka, astronomia czy uczenie maszynowe.
Inicjatywa ma szanse zmienić kulturę publikacji naukowej, choć na pewno spotka się z oporem. Badacze mogą obawiać się dodatkowej biurokracji, a wydawcy - kosztów związanych z weryfikacją. Mimo to, w dobie, kiedy sztuczna inteligencja staje się standardem pracy naukowej, podobny system wydaje się nieunikniony. Bez jasnych reguł gry niemożliwe będzie odróżnianie rzetelnych badań od tych, gdzie AI został użyty bez zmysłu dla etyki lub metodologii.