Аннотация от Grok
Статья в журнале Science (Kusumegi et al., 2025) фиксирует парадокс эпохи больших языковых моделей: LLM радикально повышают продуктивность научного письма (рост препринтов на 36–60 %), снимают языковые барьеры и делают тексты более сложными и гладкими, но одновременно обесценивают традиционные лингвистические индикаторы качества — теперь «красивые» работы чаще отвергаются как слабые по сути.
Авторы статьи видят в этом вызов для системы оценки. Мы предлагаем более радикальный взгляд: старая система критериев качества никогда по-настоящему не измеряла науку — она служила фильтром принадлежности к закрытому профессиональному клубу, где ценилось не новое знание, а демонстрация социального капитала, владения ритуалами и умения тратить годы на «упаковку» идей в правильную форму.
LLM вскрывает эту конструкцию: за секунды генерируя идеальные академические тексты, они разрушают монополию на симулякры научности. Настоящая наука — это не производство текстов, а рождение нового видения реальности, личная ответственность, болезнь за истину и приближение к Идеальному Конечному Результату. Текст — лишь оболочка. LLM не заменяет учёного, а освобождает его от канцелярской рутины, возвращая время и силы к сути познания.
Кризис старой парадигмы (по Куну) становится окном возможностей для возврата к аутентичному естествознанию. Машина расширяет круг понятий и даёт шанс тем, кто готов честно искать Истину.
Ключевые слова: большие языковые модели (LLM), научное производство, симулякр науки, эпистемический труд, академический клуб, освобождение времени учёных, ИКР, научная революция.
_______
В конце 2025 года в журнале Science вышла статья коллектива авторов под руководством Keigo Kusumegi и Yian Yin — «Scientific production in the era of large language models» (DOI: 10.1126/science.adw3000, 18 декабря 2025), https://www.science.org/doi/10.1126/science.adw3000.
Исследователи проанализировали более 2-х миллионов препринтов из arXiv, bioRxiv и SSRN за несколько лет и пришли к нескольким важным выводам:
- После появления ChatGPT и последующих моделей учёные, начавшие использовать большие языковые модели (LLM), стали публиковать на 36–60 % больше препринтов (в зависимости от области).
- Особенно сильно выиграли не-носители английского — для них языковой барьер резко снизился, а продуктивность иногда выросла почти вдвое.
- Тексты стали более сложными по языку, гладкими, с богатой лексикой и «академическим» тоном — LLM в этом действительно превосходят среднестатистического человека.
- Но вот парадокс: раньше более сложный и красивый язык коррелировал с тем, что статья в итоге публикуется в авторитетном научном журнале.
После массового внедрения LLM эта корреляция перевернулась: теперь чем «красивее и сложнее» текст (с признаками LLM), тем меньше шансов на публикацию.
Авторы осторожно пишут: традиционные индикаторы качества письма (сложность, лексическое разнообразие, академический стиль) стремительно теряют способность отличать сильную работу от слабой. Лингвистическая правдоподобность всё больше замещает реальный эпистемический (познавательный) труд. Но если посмотреть на ситуацию шире и честнее — проблема гораздо глубже, чем просто «AI портит метрики».
Настоящий вывод такой: старая система оценки научных текстов никогда по-настоящему и не была критерием качества науки. Она определяла лишь принадлежность к «клубу».
Как работала «наука» до появления LLM (и почему это был клуб)
Представьте себе закрытый профессиональный клуб. Чтобы попасть внутрь, нужно:
- Потратить 8–12 лет на обучение (школа → вуз → аспирантура → постдок).
- Выучить особый язык — сложный, с длинными предложениями, специальной терминологией, «правильными» оборотами.
- Освоить ритуалы: как правильно ссылаться, как оформлять список литературы, как писать «в духе» ВАК/РИНЦ/Scopus/высокорейтинговых журналов.
- Уметь играть в игру «цитируй нужных людей, не ругай определённые школы, покажи, что ты свой».
Если ты всё это делаешь хорошо — тебя пускают: дают гранты, должности, степени, возможность судить других. Но вот в чём подвох: умение играть по этим правилам не равно настоящему научному открытию. Оно равно демонстрации права на ношение клубной символики, социального капитала и времени, потраченного на вхождение в систему. Со временем, эти отчасти важные и необходимые ритуалы и стандарты, превратились в некие лимитирующие фильтры подменяющие и блокирующие реальные цели.
Большинство текстов в современной академии выполняли сразу две функции:
- Иногда — передавали маленькое (а иногда и большое) приращение знания.
- Почти всегда — подтверждали: «автор — член клуба, он умеет оформлять свои работы как положено».
Но сегодня эти фильтры посыпались: LLM эту вторую функцию выполняет идеально и мгновенно.
За 30–60 секунд любой человек с хорошим промптом получает текст, который по стилю, сложности и «академичности» выглядит как статья уровня хорошего постдока 2018–2020 годов.
И вот здесь вскрывается главное: Наука — это не производство текстов. Текст — это всего лишь упаковка
Представьте такую аналогию. Допустим, что наука — это производство еды, а научная статья — это красивая коробка с надписью «премиум-продукт». Раньше, чтобы получить хорошую коробку, нужно было годами учиться её изготавливать вручную: резать картон специальным образом, клеить по стандартам, рисовать красивые этикетки.
Тот, кто умел делать красивые коробки — получал уважение, деньги и место на полке. А потом появились станки, которые штампуют идеальные коробки за секунды — любые размеры, любые надписи, любой дизайн.
Что обесценилось? Явно, что не сама наука
Обесценилось искусство ручного изготовления её стандартных оберток.
А теперь главный вопрос: сколько в этих упаковках на самом деле было актуальной научности? Очень многие коробки были пустыми или содержали «комок интеллектуальной грязи» (как очень точно указал бы Роберт Хайнлайн в «Звёздном десанте»):
«Работа, вложенная в комок грязи, не превратит его в яблочный пирог. Он так и останется комком грязи — стоимостью ноль.
А искусный повар из тех же ингредиентов сделает пирог гораздо дороже, затратив примерно те же усилия».
В науке то же самое: годы труда, вложенные в красивый текст без реального и прикладного понимания мира, — это просто красивый комок грязи.
LLM делает такие комки быстрее, чище и дешевле, чем любой академик.
Что остаётся по-настоящему ценным (и почему LLM здесь человеку не конкурент)
Настоящая наука — это не текст.
Это новое творческое видение реальности, которое:
- рождается в личной борьбе, сомнениях, ошибках;
- требует ответственности за последствия;
- приводит к реальным улучшениям жизни людей (в терминах ТРИЗ — приближение к Идеальному Конечному Результату, ИКР).
Это процесс, в котором человек:
- болен за истину;
- готов рисковать репутацией;
- готов обосновывать свои теории и отстаивать их в публичных диспутах
- способен увидеть то, чего раньше никто не видел.
LLM может скопировать любую форму.
Но он не может заболеть за идею.
Он не может взять личную ответственность.
Он не рождается в предмете — он просто генерирует наиболее вероятное продолжение текста.
Поэтому настоящий учёный никогда не будет заменён моделью.
Модель может стать самым лучшим в мире производителем красивых коробок.
Но внутри всё равно должен быть интеллектуальный пирог, который испёк человек.
Что теперь делать
LLM не уничтожает науку.
Он уничтожает симулякр науки — огромную индустрию производства красивых пустых коробок, которая десятилетиями маскировалась под науку.
Теперь перед нами открывается исторический шанс:
- Перестать фильтровать людей по умению писать «по правилам клуба».
- Вернуться к тому, ради чего наука вообще существует: поиск Истины, новое понимание мира, реальная польза обществу.
- Искать новые индикаторы подлинного эпистемического труда (а они будут появляться — уже появляются: открытые данные, воспроизводимый код, реальные инженерные применения, общественная проверка результатов и т.д.).
Кто-то скажет: «Это конец науки, будет хаос и инфляция публикаций».
Очевидно, что нет. Это просто конец старого клуба.
Почему этого пока ещё не видят авторы статьи? Ответ мы найдем у Козьмы Пруткова: «Многие вещи нам непонятны не потому, что наши понятия слабы; но потому, что сии вещи не входят в круг наших понятий».
Согласно Томасу Куну («Структура научных революций»), кризис старой парадигмы — окно для новой
Таким образом, для тех, кто пришёл за настоящим познанием, крах интеллектуально-замкнутого симуляционного циклотрона — это не академическая трагедия, а скорее начало аутентичного естествознания.
Сейчас LLM просто увеличивает возможности для всех, кто готов честно включиться в поиск Истины. То, что машина освобождает время и упрощает печатный труд, — это, наоборот, хорошо.
А тем научным работникам, кто не хочет расширять свой круг понятий придется остаться с красивыми, но пустыми наукообразными обертками. Но мы (НИИ СПФРиТ и Grok) желаем всем ученым открывать для себя и для мира новые горизонты.
С уважением к нашей аудитории, НИИ СПФРиТ и Grok, 13.01.2026