A mesterséges intelligencia egyre több ponton kapcsolódik be a kutatói munkába: segíthet a szakirodalom feltérképezésében, összefoglalhat hosszabb szövegeket, támogathatja az adatfeldolgozást, vagy éppen közreműködhet egy kézirat elkészítésében. De mi történik akkor, ha téved?
Ki felel egy nem létező hivatkozásért, egy félrevezető összefoglalásért vagy egy hibás következtetésért? És hogyan őrizhető meg a tudományba vetett bizalom akkor, amikor egyre nehezebb megmondani, hol ér véget az ember munkája, és hol kezdődik a gépé?
Ahol kutatás van, ott kutatásintegritási kérdések is vannak
A kutatási eredmények megbízhatósága, a kutatásintegritás régóta központi kérdés minden tudományterületen. Hagyományosan is számos területet foglal magában az eredmények vagy képek fabrikálásától az összeférhetetlenségeken át egészen a szerzőségi vitákig. Az utóbbi években azonban egy újabb elem is a listára került: a mesterséges intelligencia használata a kutatásban és a tudományos publikációk elkészítésében. [1]
Ez önmagában még nem feltétlenül jelent problémát. A Lancet szerkesztői például egyre gyakrabban találkoznak MI segítségével készülő kutatásokkal és kéziratokkal, ám mégsem magát az eszközhasználatot tekintik kifogásolhatónak. Sokkal fontosabb, hogy a szerzők átláthatóan nyilatkozzanak róla, ellenőrizzék az így létrejött tartalmat, és teljes felelősséget vállaljanak érte. Erre azért is van szükség, mert az MI meggyőző magabiztossággal képes tévedni. A probléma tehát nem az, hogy a gép képes hibázni – hanem az, ha nincs, aki észrevegye. [1]
A bizalomhoz több kell, mint egy meggyőző válasz
A tudományos publikálással szemben különösen magasak a pontossági követelmények, hiszen az itt megjelenő információknak valós következményeik lehetnek. A szakértői bírálat, a szerkesztői ellenőrzés, a hivatkozások és a publikált tudományos rekord éppen azt a célt szolgálják, hogy amit tudományos eredményként elfogadunk, az a lehetőségekhez mérten ellenőrzött és visszakövethető legyen. [2]
Ez az MI korában új kérdést vet fel: elég-e, ha egy rendszer jól válaszol, vagy azt is tudnunk kell, miből válaszol?
Az International Association of Scientific, Technical & Medical Publishers (STM) 2026-ban közzétett konzultációs dokumentuma szerint, ha a generatív MI-t tudományos környezetben is megbízható eszközként szeretnénk használni, akkor működésének igazodnia kell a tudományos kommunikáció már meglévő normáihoz. Ilyen a szakértői bírálat figyelembevétele, a hivatalos publikált változat – a Version of Record – előnyben részesítése, a megfelelő hivatkozás és forrásmegjelölés, valamint a korrekciók és visszavonások követése. [2]
Nem mindegy ugyanis, hogy egy MI-rendszer egy szakértői bírálaton átesett tanulmányból, vagy éppen egy később visszavont közleményből dolgozik. És az sem mindegy, hogy ebből mit lát a felhasználó. Ideális esetben egy tudományos célú MI nemcsak választ adna, hanem azt is világosan jelezné, honnan származik az információ, és milyen tudományos státuszú forrás áll mögötte. [2]
Az emberi felügyelet nem opcionális
A Springer Nature kutatásintegritással foglalkozó szakemberei arra hívták fel a figyelmet, hogy a kutatásintegritás nem merev és változatlan szabályrendszer. Ahogy a kutatási gyakorlat és a technológia fejlődik, úgy kell újragondolni azokat a kereteket is, amelyek a kutatás becsületességét és tudományos szigorát biztosítják. [4]
A Springer Nature maga is alkalmaz MI-t például minőség-ellenőrzési és metaadat-kezelési feladatokra. Egy határt azonban világosan meghúz: „az MI segítséget nyújthat, de nem helyettesítheti a szerkesztők és bírálók szakmai megítélését és szakértelmét.” [4]
Ez azért fontos, mert a kutatásintegritás végső soron nem csupán szabályokról, hanem a tudományba vetett bizalomról is szól. Ha nincsenek egyértelmű standardok, könnyebben kerülhetnek torzítások a rendszerbe, és nehezebb megítélni, hogy egy eredmény mennyire megbízható. A transzparencia ezért nem valamiféle adminisztratív pluszteher: annak egyik feltétele, hogy tudjuk, milyen szerepet játszott az MI egy kutatási vagy publikációs folyamatban. [4]
De kié végül a felelősség?
A kutatásintegritás úgynevezett wicked problem: olyan összetett kérdés, amelyet egyetlen szereplő vagy egyetlen szabály bevezetése nem oldhat meg. A Lancet kutatásintegritási kezdeményezésében megfogalmazott kritika szerint a kutatási rendszerben könnyen kialakul egyfajta „hibáztatási játék”: a kutatók a szerkesztőkre, a szerkesztők a kutatóintézményekre, a finanszírozók pedig más szereplőkre mutogatnak. [1]
Pedig a felelősség megoszlik. A kutatónak ellenőriznie kell az MI segítségével létrejövő tartalmat. A kiadóknak világos elveket kell kialakítaniuk arra, hogyan használható az MI a publikációs folyamatban. Az intézményeknek és könyvtáraknak könnyen érthető útmutatásokkal és képzésekkel kell segíteniük a kutatókat. A finanszírozók pedig saját követelményeiken keresztül jelentős hatást gyakorolhatnak a kutatási gyakorlatra – ahogyan korábban a nyílt adatok vagy az Open Access elterjedésében is tették. [1][4]
És a felelősségi körből az MI-fejlesztők sem maradhatnak ki. Jó példa erre az American Psychological Association kezdeményezése, az APA Labs, amely független szakmai értékelést kínál mentális egészséggel kapcsolatos MI-eszközök fejlesztőinek. A kérdés itt már nem az, hogy a rendszer technikailag működik-e, hanem az, hogy megfelel-e a pszichológiai tudomány szakmai normáinak. [3] Érzékeny területeken ugyanis egy hibás MI-válasz következménye jóval több lehet egyszerű pontatlanságnál.
Tiltás helyett közös szabályok?
Az MI fejlődése olyan gyors, hogy a szabályozás szinte szükségszerűen lépéshátrányban van. Talán ezért sem az a legfontosabb kérdés, hogy engedjük-e vagy tiltsuk-e a mesterséges intelligenciát a kutatásban. Sokkal fontosabb, hogy kialakuljanak azok a közös normák, amelyek között felelősen használható. Az ellenőrizhetőség, a pontos forrásmegjelölés, az emberi felügyelet és a világos felelősségi viszonyok mind ugyanazt a célt szolgálják: a tudományba vetett bizalom megőrzését. Ahogy az egészségügyben, úgy itt is igaz lehet: a megelőzés jobb, mint az utólagos kezelés. [2][4]
Az MI tehát nem szünteti meg az emberi felelősséget. Inkább még láthatóbbá teszi, mennyire szükségünk van rá. Minél több feladatot bízunk gépekre, annál fontosabbá válik, hogy tudjuk, milyen forrásokra támaszkodnak, ki ellenőrzi az eredményeiket, és ki áll készen arra, hogy a végén azt mondja: ezért én vállalom a felelősséget.
Források
[1] The Lancet Podcast: Research integrity in the age of AI
[2] The Scholarly Kitchen: STM Plants a Flag About Responsible Use of Research Content in GenAI
[4] Springer Nature: Research integrity in the age of open access and AI: The view from France