Eelmisel aastal teatasid globaalsed meediaorganisatsioonid, et mustad plastist köögitarvikud sisaldavad murettekitavaid koguseid vähkitekitavaid leegiaeglustajaid. Kuid hilisem uurimine osutas, et see risk oli üle mõistetud matemaatilise vea tõttu; konkreetse kemikaali tegelik kontsentratsioon oli väidetud ohutuspiirist kümme korda madalam. Uurijad märkisid, et tehisintellekti mudel oleks selle vea võinud tuvastada sekundi jooksul. Vastuseks ilmusid välja kaks projekti, mis kasutavad tehisintellekti teaduslike tekstide vigade tuvastamiseks. Must Spaatli Projekt, avatud lähtekoodiga tööriist, on analüüsinud umbes 500 teadusartiklit vigade osas ning selle kaheksa arendajaga meeskond ja arvukad vabatahtlikud nõustajad on otsustanud otse kontaktida mõjutatud autoreid oma leidude osas, ütles Joaquin Gulloso, sõltumatu tehisintellekti uurija Kolumbia Cartagenast. "See tuvastab palju vigu, " teatas ta, märkides laia probleemsete artiklite nimekirja. Teine algatus, YesNoError, mis sai inspiratsiooni Mustalt Spaatlilt, püüab üle vaadata kõik olemasolevad artiklid ja seda toetab spetsiaalne krüptoraha. Asutaja Matt Schlicht väidab, et projekt on kahe kuu jooksul analüüsinud üle 37 000 artikli. Selle veebisait tuvastab artiklid, kus on leitud vigu, kuigi inimkontroll on endiselt ootel. Mõlemad projektid innustavad teadlasi kasutama neid tööriistu enne ajakirjadele esitamise protsessi ning ajakirju neid enne avaldamist kasutama, et vältida vigade ja petturliku töö sattumist teaduslikku valdkonda. Teadlaste seas, kes keskenduvad teadusuuringute kvaliteedi tagamisele, on ettevaatlik toetus, kuigi muresid esineb seoses võimalike vale süüdistustega ja nende mõjuga.

Michèle Nuijten, metateaduse uurija Tilburgi ülikoolist Hollandis, rõhutab tööriistade väidete kontrollimise olulisust, et vältida teadlaste reputatsiooni kahjustamist, kes on valesti tuvastatud eksijateks. James Heathers, kriminaalametnik metateaduse valdkonnas, märgib, et kuigi riskid eksisteerivad, on teadusliku kvaliteedi parandamise eesmärk hädavajalik, pakkudes, et tehisintellekt võiks aidata prioriseerida artikleid edasisteks ülevaatusteks. Mõlemad algatused kasutavad suuri keelemudeleid (LLM) vigade tuvastamiseks erinevates valdkondades, sealhulgas faktide ebatäpsustes ja metoodilistes puudustes. Protsess hõlmab teabe ekstraheerimist artiklitest, keerukate sisendite koostamist spetsialiseeritud mõtlemismudelile ning võimalikku tulemuste rist-tõendamist mitmete analüüside kaudu. Iga artikli analüüsimise hind varieerub vastavalt selle pikkusele ja keerukusele. Siiski on suur väljakutse valepositiivide kõrge määr; Must Spaatli Projekt teatab, et see tuvastab vea valehäire tõttu umbes 10% juhtudest, mistõttu on ekspertide kontroll hädavajalik, kuid keeruline. Schlichti YesNoError on leidnud valideerimist autoritelt leitud vigade osas 90% juhtudest algses uuringus, mis käsitles 10 000 artiklit. Plaanitakse, et YesNoError teeks koostööd ResearchHubiga, mis motiveerib kaasautoreid krüptoraha kaudu, et tagada tehisintellekti poolt tuvastatud probleemide kontroll, kuigi see protsess pole veel alanud.