Čudna fraza se stalno pojavljuje u znanstvenim radovima, ali zašto?

Ranije ove godine znanstvenici su otkrili neobičan izraz koji se pojavljuje u objavljenim radovima: “vegetativna elektronska mikroskopija”.

Ova fraza, koja zvuči tehnički, ali je zapravo besmislica, postala je “digitalni fosil” – pogreška sačuvana i pojačana u sustavima umjetne inteligencije (AI) koju je gotovo nemoguće ukloniti iz naših skladišta znanja.

Poput bioloških fosila zarobljenih u stijenama, ovi digitalni artefakti mogu postati stalna mjesta u našem informacijskom ekosustavu. Slučaj vegetativne elektronske mikroskopije nudi zabrinjavajući uvid u to kako sustavi umjetne inteligencije mogu ovjekovječiti i pojačati pogreške kroz naše kolektivno znanje.

Loš sken i greška u prijevodu
Čini se da je vegetativna elektronska mikroskopija nastala nevjerojatnom podudarnošću nepovezanih pogrešaka. Prvo su dva rada iz 1950-ih, objavljena u časopisu Bacteriological Reviews, skenirana i digitalizirana. Međutim, proces digitalizacije pogrešno je spojio “vegetativno” iz jednog stupca teksta s “elektronom” iz drugog. Kao rezultat, nastao je fantomski termin.

Desetljećima kasnije, “vegetativna elektronska mikroskopija” pojavila se u nekim iranskim znanstvenim radovima. U 2017. i 2019. dva su rada koristila termin u engleskim naslovima i sažetcima.

Čini se da je to zbog pogreške u prijevodu . Na farsiju se riječi za “vegetativno” i “skeniranje” razlikuju samo jednom točkom. Rezultat? Do danas se “vegetativna elektronska mikroskopija” pojavljuje u 22 rada, prema Google Scholar-u . Jedan je bio predmet osporavanog povlačenja iz časopisa Springer Nature , a Elsevier je izdao ispravak za drugi.

Izraz se također pojavljuje u novinskim člancima koji raspravljaju o naknadnim istragama integriteta.

Uspon umjetne inteligencije stvara prilike da se pogreške trajno ugrade u naše sustave znanja, kroz procese koje niti jedan akter ne kontrolira. To podjednako predstavlja izazov za tehnološke tvrtke, istraživače i izdavače.

Tehnološke tvrtke moraju biti transparentnije u pogledu podataka i metoda obuke. Istraživači moraju pronaći nove načine za procjenu informacija suočenih s uvjerljivim besmislicama koje generira umjetna inteligencija. Znanstveni izdavači moraju poboljšati svoje procese recenziranja kako bi uočili ljudske pogreške i pogreške koje je generirala umjetna inteligencija.