Մինչև անցյալ տարվա վերջը, համաշխարհային մեդիան հաղորդել էր, որ սև պլասկիկ խոհանոցային գործիքները պարունակում են անհանգստացնող քաղցկեղին առնչվող կրակի retardants: Սակայն հետագա հետաքննությունը ցույց տվեց, որ այս վտանգը գերագնահատված էր մաթեմատիկական սխալի պատճառով. կոնկրետ քիմիկատի իրական խտությունը տասը անգամ ավելի ցածր էր, քան ենթադրյալ անվտանգ սահմանը: Հետազոտողները ցույց են տվել, որ արհեստական բանականության մոդելը կարող էր այս սխալը հայտնաբերել վայրկյանների ընթացում: Միանալով, երկու նախագիծ, որոնք օգտագործում են արհեստական բանականություն, որպեսզի հայտնաբերեն գիտական գրականության սխալները, հայտնվեցին: Black Spatula Project-ը, բաց աղբյուրի գործիք, վերլուծել է մոտ 500 հոդված սխալների համար, որի ութ մշակողների թիմն ու բազմաթիվ կամավոր խորհրդատուներ որոշել են կապվելAffected հեղինակների հետ ուղղակիորեն իրենց հայտնագործությունների մասին, ըստ Joaquin Gulloso-ի, անկախ արհեստական բանականության հետազոտողի Կոլումբիայի Քարտարենայում: “Դա դարձնում է բազմաթիվ սխալներ”, - նա հաղորդում է ՝ նշելով խնդիրների մեծ ցուցակը: Երկրորդ նախաձեռնությունը, YesNoError-ը, որը պատրաստված է Black Spatula-ից, նպատակ ունի վերանայել բոլոր մատչելի հոդվածները և աջակցվում է նվիրված կրիպտոարժույթով: Հիմնադիր Մեթ Շլիխտը պնդում է, որ նախագիծը վերլուծել է 37, 000-ից ավելի հոդվածներ ընդամենը երկու ամսում: Նրա կայքը նետում է հոդվածներ, որտեղ հայտնաբերված են թերություններ, չնայած մարդասիրական վիրմացումն իրոք դեռ սպասվում է: Բավական կշռված աջակցություն կա հետազոտական թիվերի վրա, թեև մտահոգություններ կան հնարավոր սխալ մեղադրանքների և դրանց ազդեցության մասին: Միշել Նույտեն, Տիլբուրգի համալսարանի մետա գիտության հետազոտող Նիդեռլանդներում, շեշտում է, որ աշխատանքային սարքերի հայտարարությունները հաստատելը կարևոր է՝ հետազոտողների համար, ովքեր սխալորեն նույնականացվում են որպես սխալահարումներ, որից հետո կարող են վնասվել իրենց նախագահությանը: Ջեյմս Հիթերսը, ֆորենսիկ մետասցետիստ, նշում է, որ, mặc dù ռիսկերը գոյություն ունեն, գիտական ազնվությունը բարելավելու նպատակը կարևոր է, առաջարկելով, որ արհեստական բանականությունը կարող է օգնել նախապատրաստել հոդվածները հետագա վերանայման համար: Երկու նախաձեռնությունները օգտագործում են մեծ լեզվաբառարաններ (LLM) սխալները հայտնաբերելու համար, տարբեր ոլորտներում, ներառյալ փաստական անճշտություններ և մեթոդաբանական թերություններ: Գործընթացը ներառում է հոդվածներից տեղեկատվություն քաղել, համալրված պահանջներ ձևավորել մասնագիտացված տրամաբանման մոդելի համար, և հնարավոր է արդյունքները գործարկել մի քանի վերլուծությունների միջոցով: Յուրաքանչյուր հոդվածի վերլուծության ծախսերը փոխվում են նրա երկարության և բարդության հիման վրա: Սակայն, զգալի մարտահրավեր է բարձր կեղծ դրակաների տոկոսը.

Black Spatula Project-ն հաղորդում է, որ այն սխալ համարվում է մոտ 10% դեպքերում, مما使得 մասնագետների հաստատումը էական է, բայց դժվար է: Շլիխտի YesNoError-ն գտել է փաստաթղթավորված հաստատում հեղինակների սխալների դեպքում 90% դեպքերում 10, 000 հոդվածի սկզբնական ուսումնասիրությունից: YesNoError-ին ծրագրեր կան համագործակցելու ResearchHub-ի հետ, որն ուղեցույցում պարգևատրում է կրիպտոարժույթով, որպեսզի հաստատի AI-ի կողմից ճանաչված խնդիրները, չնայած այս գործընթացը դեռ սկսված չէ: