В журнале Nature опубликован обзор Дэвида Адама, посвящённый одному из наиболее острых вопросов современной исследовательской практики: изменит ли искусственный интеллект социальные науки к лучшему — или поставит под сомнение надёжность их эмпирических данных.

Поводом для обсуждения стала всё более заметная проблема — ответы участников онлайн-опросов и поведенческих экспериментов могут быть частично или полностью сгенерированы с помощью больших языковых моделей. В статье приводится показательный пример из исследования психолога Ралуки Риллы: в ответе на вопрос анкеты один из участников написал фразу, явно указывающую на машинное происхождение текста. По оценкам исследовательской группы, в отдельных онлайн-опросах до 45% ответов могут содержать следы использования больших языковых моделей.

Для социальных и поведенческих наук это не техническая мелочь, а методологический вызов. Онлайн-исследования за последние годы стали одним из ключевых инструментов сбора данных. Они позволяют быстро привлекать большие и разнообразные выборки, проводить эксперименты за пределами лабораторий, изучать установки, поведение, мнения и когнитивные процессы в масштабах, ранее недоступных исследователям. Однако эта же открытость делает такие данные уязвимыми. Если вместо человеческого опыта, сомнений, ошибок, интуиции или эмоциональной реакции исследователь получает текст, обработанный или созданный ИИ, то меняется сам предмет измерения.

Авторы и эксперты, обсуждаемые в статье, обращают внимание на несколько уровней риска.

• Первый связан с качеством первичных данных: участники могут использовать ИИ для перевода, улучшения формулировок или сокращения собственных усилий, а в более радикальных случаях — полностью делегировать прохождение исследования автоматизированным инструментам.
• Второй уровень риска возникает на этапе анализа: ИИ способен ускорять обработку больших массивов данных, но при некритическом использовании может способствовать появлению убедительных, но ложных закономерностей. 
• Третий уровень касается научной коммуникации: рост числа текстов и рукописей, подготовленных при помощи ИИ, усиливает нагрузку на экспертное рецензирование и может размывать различие между оригинальной исследовательской идеей и автоматически сгенерированной научной продукцией.

При этом автор статьи не сводит анализ к алармистскому прогнозу. Искусственный интеллект рассматривается и как инструмент, способный повысить строгость социальных наук. Он может помогать в предварительной проверке гипотез, выявлении слабых мест в дизайне исследования, анализе больших данных, воспроизводимости вычислительных процедур, моделировании альтернативных объяснений и систематизации литературы. ИИ также может стать ресурсом для более прозрачной и самокритичной науки — при условии, что его использование будет явно описываться, проверяться и включаться в исследовательский протокол как контролируемый инструмент, а не как невидимый участник научного процесса.

Ключевой вывод обзора заключается в необходимости перехода от простого вопроса «использовался ли ИИ?» к более сложному: как именно он влияет на происхождение данных, логику анализа и интерпретацию результатов.

Для психологии, социологии, образования, экономики и политических наук это означает пересмотр стандартов качества онлайн-исследований. Всё более важными становятся многоуровневые процедуры проверки данных, прозрачное описание условий сбора информации, фиксация возможного использования ИИ участниками, развитие новых этических норм и более осторожная работа с выводами, полученными на основе массовых цифровых выборок.

Данная статья поднимает вопрос, который в ближайшие годы, вероятно, станет одним из центральных для всей исследовательской инфраструктуры социальных наук. Если социальные науки изучают человека, то они должны быть уверены, что в их данных действительно присутствует человеческий голос — со всей его неоднозначностью, непоследовательностью и контекстуальностью. В эпоху генеративного ИИ это уже не самоочевидное условие, а новая задача научной методологии.