Өнгөрсөн намар, дэлхийн хэвлэл мэдээллийн байгууллагууд хар өнгийн хуванцар тогоо, халбага, сэрээ зэрэг галын хоргүйжүүлэгч бодисуудын хавьцаа хортой хэмжээг агуулж байгааг мэдэгдсэн. Гэвч дараагийн судалгаа нь энэ эрсдэл нь математикийн алдаанаас болж хэтрүүлэн тайлбарлагдсан болохыг харуулсан; тодорхой химийн бодисын бодит агуулах хэмжээ нь шаардлагатай аюулгүй хязгаараас арав дахин бага байсан. Судлаачид AI загвар нь энэ алдааг хэдхэн секундийн дотор илрүүлж чадна гэж тэмдэглэсэн. Иймд, шинжлэх ухааны бүтээлүүдэд алдааг тодорхойлоход AI ашиглах хоёр төсөл бий болсон. Black Spatula Project, нээлттэй эхийн хэрэгсэл, энэ төсөл нь 500 гаруй судалгааны бүтээлд алдааг шинжилсэн бөгөөд найман хөгжүүлэгчтэй баг болон олон сайн дурын зөвлөхүүдийн хамт нөлөөлөгдсөн зохиолчтой шууд холбогдож байгаа тухай Колумбын Картахена дахь бие даасан AI судлаач Хоакин Гуллосо мэдээлэв. "Энэ нь олон алдааг илрүүлж байна, " гэж тэр хэлсэн бөгөөд асуудалтай бүтээлүүдийн өргөн жагсаалтыг тэмдэглэжээ. Хоёр дахь санаачилга, Black Spatula-гаас урам зориг авсан YesNoError нь бүх боломжит материалыг хянах зорилготой бөгөөд энэ төсөл нь тодорхой биржийн дэмжлэгтэй. Төслийн үүсгэн байгуулагч Мэт Шлихт энэ төсөл нь хоёрхон сарын дотор 37, 000 гаруй судалгааны бүтээлийг шинжилсэн гэж мэдэгджээ. Түүний вэб сайт олдворолтой материалуудыг илрүүлж, хүний баталгаажуулалт одоогоор хүлээгдэж байгаа юм. Эдгээр төсөл нь судлаачдыг сэтгүүлд өгүүлэхийн өмнө эдгээр хэрэгслийг ашиглахыг дэмжиж, сэтгүүлүүдийг хэвлэл гаргахаас өмнө эдгээрийг ашиглахыг уриалдаг бөгөөд алдаа болон залилангийн ажилд орох нөхцлийг бий болгохыг зорьж байгаа юм. Судалгааны "интегритет" рүү анхаардаг мэргэжилтнүүдийн дунд болгоомжтой дэмжлэг байгаа ч худал мэдэгдлүүд болон тэдгээрийн нөлөөгийн талаар санаа зовж буй зүйлс байгаа.

Нидерландын Tilburg университетийн метанаука судлаач Мишель Нуйтен хэрэгслийн итгэлцүүрийг баталгаажуулахын ач холбогдлыг онцолсон, учир нь алдаатай гэж нэрлэгдсэн судлаачдад нэр хүндийн хохирол учруулж болох юм. Шинжлэх ухааны метанаучны мэргэжилтэн Жеймс Хитэрс эрсдэлүүд байгаа ч шинжлэх ухааны чанарыг сайжруулах зорилт нь чухал бөгөөд AI нь нэмэлт хяналтад тавигдах материалуудыг дээдлэж туслах боломжтойг онцолсон. Эдгээр санаачилгууд нь алдааг илрүүлэхэд том хэмжээний хэлний загваруудыг (LLM) ашигладаг бөгөөд үнэн бодит бус байдал, аргазүй гажуудал зэрэг олон салбарт хамаатай. Энэ процессын хүрээнд материалаас мэдээлэл гаргаж авах, тусгайлсан логикийн загварт зориулсан нарийн асуултуудыг боловсруулах, үр дүнг олон дахин шалгах зэрэг үйл явц орно. Судалгааны бүтээлийн урт, нарийн төвөгтэй байдлаас хамааран шинжилгээний зардал өөрчлөгдөнө. Гэвч, томоохон асуудал нь алдааг хэтрүүлэн таних өндөр хувьтай; Black Spatula Project нь алдааг буруу тодорхойлох тохиолдол 10%-ий хувьд гардаг гэж мэдээлсэн бөгөөд энэ нь мэргэжлийн баталгаажуулалт шаардлагатай болж байгаа ч хэцүү. Шлихт-ийн YesNoError нь анхны 10, 000 судалгааны бүтээлээс 90%-д нь илрүүлсэн алдааны зохиолчдын зүгээс баталгаажилтыг олсон байна. YesNoError нь ResearchHub-тай хамтран ажиллах төлөвлөгөөтэй бөгөөд энэ нь танилцуулга, peer review хийхийг криптовалютын тусламжтайгаар урамшуулдаг, AI-аар илрүүлсэн асуудлуудын баталгаажуулалтыг хангахыг зорьж байгаа ч энэ процесс одоогоор эхлээгүй байна.