გასულ წელს, მსოფლიო მედია ავრცელებდა ინფორმაციას, რომ შავი პლასტმასის სამზარეულოს ინსტრუმენტები შეიცავდა კიბოსთან დაკავშირებული ცეცხლმაქრობის საშიშროების მაღალი დონის ნივთიერებებს. თუმცა, შემდგომი გამოძიება აჩვენა, რომ ეს რისკი გაზვიადებული იყო მათემატიკური შეცდომის გამო; კონკრეტული ქიმიური ნივთიერების ფაქტობრივი კონცენტრაცია უსაფრთხო ლიმიტზე ათჯერ უფრო დაბალი აღმოჩნდა. მკვლევარებმა აღნიშნეს, რომ AI მოდელი ამ შეცდომას რამდენიმე წამში გააუმჯობესებდა. ამ პასუხად, ორი პროექტი, რომელიც AI-ს იყენებს მეცნიერების ლიტერატურაში შეცდომების აღმოჩენისათვის, გაჩნდა. შავი სპატულა პროექტი, ღია წყაროს ინსტრუმენტი, დაახლოებით 500 სამეცნიერო ნაშრომის შეცდომების ანალიზით არის დაკავებული, ხოლო მისი 8 განმავითარებლისა და უამრავი მოხალისე მრჩევლის გუნდი მიმართავს დაზარალებულ ავტორებთან პირდაპირ მათ აღმოჩენებზე, — აცხადებს ხოაკინ გულოსო, დამოუკიდებელი AI მკვლევარი კარტახენაში, კოლუმბიაში. „ეს ბევრი შეცდომის აღმოჩენას ახერხებს“, — იტყობინება ის, აღნიშნując პრობლემური ნაშრომების გრძელი სიას. მეორე ინიციატივა, YesNoError, შავი სპატულასგან შთაგონებული, მიზნად ისახავს ყველა ხელმისაწვდომი ნამუშევრის გადახედვას და აქვს თავისი საკუთარი კრიპტოვალუტის მხარდაჭერა. დამფუძნებელი მატ შლიხტი აცხადებს, რომ პროექტმა მხოლოდ ორ თვეში 37, 000-ზე მეტი ნაშრომი ანალიზი მოახდინა. მისი ვებსაიტზე აქვს ნაშრომების indentifikacia, რომლებშიც აღმოჩენილია ნაკლოვანებები, რადგან კი ადამიანის გადამოწმება ჯერ კიდევ მიმდინარეობს. ორივე პროექტიEncourages მკვლევრებს გამოიყენონ ეს ინსტრუმენტები ჟურნალში წარდგენის წინ და ჟურნალებს, რომ მათი გამოყენება მოახდინონ გამოშვებამდე, რათა თავიდან ავიცილოთ შეცდომები და fraudulent ნამუშევრები სამეცნიერო დარგში. შემოსავლიან მეცნიერებაზე ორიენტირებული პროფესიონალების მხრიდან არსებობს ფრთხილი მხარდაჭერა, მაგრამ არსებობს შეშფოთება შუღლის შესაძლო ყალბი ბრალდებების შესახებ და მათი გავლენა.

მიუკელ ნუჯტენს, მედასცვით მკვლევარს ტილბურგის უნივერსიტეტში ჰოლანდიაში, ხაზგასმით აღნიშნავს ინსტრუმენტების მტკიცების გადამოწმების მნიშვნელობას, რათა თავიდან ავიცილოთ მკვლევარი, რომელიც არასწორად იდენტიფიცირებულია, საბოლოო სირცხვილი. ჯეიმს ჰითერსი, forensic metascientist, აღნიშნავს, რომ მიუხედავად რისკების არსებობისა, მეცნიერების მთლიანობის გაუმჯობესების მიზანი მნიშვნელოვანია, ადასტურებს, რომ AI შესაძლოა დაეხმაროს კვლევისთვის უფრო მეტად საჭირო ნაშრომების დასახელების პროცესს. ორივე ინიციატივა იყენებს დიდ ენათა მოდელებს (LLMs), რათა შეცდომები აღმოაჩინონ სხვადასხვა სფეროში, მათ შორის ფაქტობრივი უზუსტობები და მეთოდოლოგიური ნაკლოვანებები. პროცესი მოიცავს ინფორმაციას ნაშრომებიდან extracting, რთული პრომპტების ფორმულირებას სპეციალიზებული მოსაზრების მოდელისთვის და შესაძლელი გადამოწმების შედეგების მულტიპლიკაციის ანალიზების საშუალებით. თითოეული ნაშრომის ანალიზის ღირებულება განსხვავებულია მის სიგრძესა და სირთულეზე დამოკიდებულად. თუმცა, მნიშვნელოვანი გამოწვევაა მაღალი ყალბი დადებითი შეფასების რიცხვი; შავი სპატულა პროექტი იუწყება, რომ ის შეცდომას დაახლოებით 10% შემთხვევებში სწორად არ ადგენს, რაც აუცილებელია ექსპერტების გადამოწმების, თუმცა ეს რთული პროცესია. შლიხტის YesNoError-მა 90%-იანი ვალიდაცია მიიღო აღმოჩენილი შეცდომების ავტორებისგან 10, 000 ნაშრომის საწყისი კვლევიდან. გეგმებია YesNoError-ის თანამშრომლობა ResearchHub-თან, რომელმაც კრიპტოვალუტით წაკითხული მიმოხილვის წახალისებას ისახავს მიზნად, რათა უზრუნველყოს AI-ინდენტიფიცირებული პრობლემების გადამოწმება, თუმცა ეს პროცესი ჯერ არ დაწყებულა.