Как проверять ссылки, созданные ИИ

Вы должны проверять каждую ссылку, созданную ИИ, независимо подтверждая существование источника и то, что его содержание действительно поддерживает конкретное утверждение, к которому она относится. Не доверяйте выводу модели; относитесь к каждой ссылке как к гипотезе, требующей тщательной проверки по внешним библиографическим данным и оригинальному тексту.

Специфические ошибки генерации ссылок в ИИ

Большие языковые модели часто создают ссылки, которые выглядят правдоподобно, но структурно ошибочны. Эти ошибки обычно делятся на три категории:

• Вымышленные названия. Модель придумывает название, которое звучит академично, но не существует. Название может комбинировать реальные концепции из разных областей, создавая фразу, которая кажется логичной, но не имеет истории публикаций.
• Несовпадение авторов. Название или тема реальны, но список авторов неверен. Модель может приписать работу известному исследователю в данной области, который её не писал, или перепутать имя и фамилию. Она также может выдумать соавторов, чтобы ссылка выглядела более убедительной.
• Неверные годы и метаданные. Год публикации, номер тома, диапазон страниц или DOI могут быть вымышленными. Частая ошибка — присвоение недавнего года более старой основополагающей работе или привязка DOI, который ведет к совершенно другой статье.

Эти ошибки опасны тем, что они часто незаметны. Читатель может бегло взглянуть на ссылку, узнать тему и предположить, что ссылка корректна, не проверяя детали.

Пошаговый рабочий процесс проверки

Для систематической проверки ссылки следуйте этой последовательности. Сначала нужно подтвердить существование источника, затем — его поддержку.

1. Выделите метаданные. Скопируйте полные библиографические данные (авторы, название, год, источник, DOI при наличии) из вашего черновика.

2. Проверьте существование через DOI или реестр. Если указан DOI, используйте Crossref для запроса к реестру DOI. Убедитесь, что DOI ведет к реальной записи и что метаданные точно соответствуют вашей ссылке. Если DOI отсутствует или вы проверяете книгу или главу, используйте OpenAlex для поиска по сочетанию названия и имени автора. Проверьте, существует ли соответствующая запись в открытом научном индексе.

3. Сверьте со вторичной базой данных. Используйте Google Scholar для поиска по названию. Найдите несколько экземпляров цитирования. Если статья существует, вы увидите, что на нее ссылаются другие исследователи. Проверьте аннотацию, чтобы убедиться в соответствии темы. Для биомедицинских ссылок используйте PubMed, чтобы подтвердить существование статьи в базе данных по наукам о жизни и просмотреть аннотацию. Для более широкого охвата, особенно если у вас есть доступ к институциональным подпискам, используйте Scopus, чтобы подтвердить существование статьи и контекст.

4. Проверьте обоснование утверждения. Это самый важный шаг. Получите доступ к полному тексту или аннотации проверенного источника. Прочитайте конкретный раздел, где предположительно содержится утверждение. Спросите себя: действительно ли этот источник выдвигает данный аргумент? Предоставляет ли он данные или теорию, подразумеваемые в вашем черновике? Если источник упоминает тему лишь вскользь или утверждает обратное, ссылка не подходит для ваших целей.

5. Запишите проверенную ссылку. После подтверждения сохраните запись в Zotero или Mendeley. Эти инструменты позволяют хранить проверенные метаданные. Сравнивая сгенерированную ИИ ссылку с вашими сохраненными проверенными записями, вы создаете локальную библиотеку достоверных данных, предотвращающую будущие ошибки.

Признаки, указывающие на сфабрикованную ссылку

Обращайте внимание на следующие закономерности:

• Слишком общие заголовки. Заголовки, грамматически правильные, но лишенные специфических нюансов реальной академической речи.
• Несуществующие DOI. Идентификаторы DOI, соответствующие формату, но не ведущие никуда или ведущие на главную страницу издателя вместо конкретной статьи.
• Слишком длинные или слишком короткие списки авторов. В большинстве областей реальные статьи имеют типичный диапазон количества авторов. Список из 15 авторов для теоретической работы или единственный автор для крупного эмпирического исследования могут указывать на фальсификацию.
• Ошибки округления в датах. Если ИИ цитирует статью за «2024» год, но описывает результаты, требующие десятилетнего лонгитюдного исследования, дата, вероятно, неверна.
• Иллюзия «Уверенности». Если ИИ представляет цитату с высокой уверенностью и без колебаний, будьте более осторожны, а не менее. Модели часто наиболее уверенны именно тогда, когда они галлюцинируют.

Структурирование запросов для снижения ошибок цитирования

Вы можете снизить вероятность ошибок, ограничивая вывод ИИ на этапе черновика.

• Требуйте конкретные метаданные. Не просите «релевантные статьи». Просите «три статьи, опубликованные после 2020 года с DOI». Если вы не запросите DOI, модель, скорее всего, сгенерирует вымышленные названия.
• Ограничивайте охват. Запрашивайте цитаты для очень узкого утверждения, а не для широкой темы. Чем уже утверждение, тем меньше вероятность того, что модель уйдет в область галлюцинаций.
• Запрашивайте ориентиры для проверки. Попросите модель привести первое предложение аннотации или конкретный вывод статьи. Если она не может предоставить связный фрагмент, она, вероятно, выдумывает источник.
• Используйте итеративную проверку. Сгенерируйте список из пяти цитат для утверждения. Проверьте две из них. Если обе вымышлены, отбросьте весь список. Если обе реальны, проверьте оставшиеся три. Такой выборочный подход экономит время, сохраняя высокую точность.