Морской лёд в Антарктике является неотъемлемой частью климатической системы, регулирующей обмен теплом и CO₂ между поверхностью и глубинными слоями океана. Вопреки прогнозируемой климатическими моделями постепенной потере льда, наблюдалось его расширение до 2015 года, за которым последовало резкое и устойчивое сокращение в последующие годы. Используя данные, полученные с помощью буёв Argo подо льдом за почти два десятилетия, авторы обнаружили, что расширение льда частично было обусловлено опреснением поверхности из-за усиленных осадков, которые удерживали тепло в подповерхностных слоях океана. После 2015 года усиление ветрового апвеллинга изменило тенденции опреснения, высвободив накопленное за годы тепло океана, что способствовало беспрецедентной потере морского льда. Эти результаты демонстрируют потенциал ветрового апвеллинга и потоков пресной воды для определения многолетних тенденций изменения площади морского льда в Антарктиде.

Площадь морского льда в Антарктике в последние десятилетия переживала беспрецедентную изменчивость, с рекордным расширением до 2015 года, за которым последовал резкий переход к устойчивому сокращению. Используя данные наблюдений за морским льдом, полученные с помощью буёв Argo за более чем два десятилетия, авторы показывают, что изменения в вентиляции океана, выделяющей тепло, модулировали эти экстремальные колебания морского льда в межгодовом масштабе. В период с 2007 по 2015 гг. термоклин океана нагревался и поднимался на большую высоту в море Уэдделла и у берегов Восточной Антарктиды, причём на первое приходилось большая часть межгодовой изменчивости площади морского льда в Антарктике. После 2016 года, по мере снижения площади морского льда в Антарктике, поверхностная солёность увеличилась, усиливая обмен между заострённым термоклином и поверхностными водами. Идеализированное моделирование моря Уэдделла показывает, что эти тенденции в верхнем слое океана были обусловлены одновременными изменениями ветрового экмановского апвеллинга и осадков. В фазе расширения морского льда увеличение осадков усиливало стратификацию океана, подавляя восходящий поток подповерхностного тепла и способствуя росту морского льда. Однако в период с 2014 по 2016 гг. почти трёхкратное увеличение скорости апвеллинга ослабило стратификацию верхнего слоя океана, высвободив накопленное подповерхностное тепло. Хотя вдоль восточной окраины Антарктиды наблюдалась схожая последовательность событий, различные тенденции в верхних слоях океана и поверхностные факторы в тихоокеанском секторе Южного океана указывают на альтернативные причины недавней потери морского льда в этом регионе. Тем не менее, эти результаты предполагают, что будущая многолетняя изменчивость площади морского льда в Антарктике будет зависеть от конкурирующего влияния ветрового апвеллинга и поверхностных потоков пресной воды.

 

Ссылка: https://www.pnas.org/doi/10.1073/pnas.2530832123

 

Эль-Ниньо — Южное колебание (ЭНЮК) формирует глобальные климатические экстремумы. Хотя большинство климатических моделей прогнозируют его усиление в течение XXI века, его поведение после 2100 года остаётся неясным. В данном исследовании авторы провели мультисценарные расчёты, охватывающие период до 2500 года, с использованием модели земной системы для оценки реакции ЭНЮК на различные уровни потепления и проанализировали ансамбль результаты нескольких моделей. Было обнаружено, что амплитуда, асимметрия, периодичность и разнообразие ЭНЮК изменяются немонотонно: при умеренном глобальном потеплении ЭНЮК усиливается с устойчивой положительной асимметрией и периодичностью около 4 лет. При экстремальном глобальном потеплении амплитуда и асимметрия ЭНЮК снижаются, а его период сокращается до 2–3 лет, что благоприятствует явлениям в центральной части Тихого океана. Эти немонотонные изменения возникают в результате смещения фонового излучения в восточной части Тихого океана от экваториальной дивергенции поверхностных ветров к конвергенции, что способствует оттоку тепла из океана и эффективно прекращает явление Эль-Ниньо. Представленные результаты указывают на сдвиг в сторону более частой, но менее интенсивной изменчивости Эль-Ниньо в условиях сильного потепления, что создаёт проблемы для прогнозирования климата и адаптации.

 

Ссылка: https://www.nature.com/articles/s41612-026-01375-y

 

За гидрологический 2025 год ледники потеряли 408 ± 132 Гт массы, что эквивалентно повышению уровня моря на 1,1 ± 0,4 мм. С 1975 года общая потеря массы ледников составила 9 583 ± 1 211 Гт, что эквивалентно повышению уровня моря на 26,4 ± 3,3 мм, при этом шесть лет с наибольшей потерей массы за всю историю наблюдений пришлись на последние семь лет.

Основные моменты

Ледники Земли, отделённые от континентальных ледяных щитов Гренландии и Антарктиды, потеряли в общей сложности 408 ± 132 Гт массы за гидрологический 2025 год (что эквивалентно повышению уровня моря на 1,1 ± 0,4 мм) и 9 583 ± 1 211 Гт (повышение уровня моря на 26,4 ± 3,3 мм) с 1975 года.

В 2025 году региональная потеря массы, усреднённая по площади, была наибольшей в Западной Канаде и США, Исландии и Центральной Европе, при этом наибольшие аномалии по сравнению с климатическим периодом (1991–2020 гг.) наблюдались в Западной Канаде и США, Западной Южной Азии и на Шпицбергене.

Региональный вклад в глобальную потерю массы в 2025 году был наибольшим в высокогорных районах Азии, на Аляске и в российской Арктике.

 

Ссылка: https://www.nature.com/articles/s43017-026-00777-z

 

2024 год ознаменовал собой первое превышение глобальной температуры на 1,5 °C, что поднимает вопросы о точности климатических прогнозов и последствиях для климатических целей. Авторы количественно оценивают время и вероятность первого пересечения уровней глобального потепления в 1,5 °C и выше в модельных результатах CMIP6. Наблюдаемое пересечение в 2024 году произошло на 3–7 лет раньше, чем в прогнозах CMIP6. Модели с высокими темпами потепления в настоящее время предсказывали время пересечения потепления на 1,5 °C более точно, в то время как на сроки пересечения в 2024 году, вероятно, влияют внутренние климатические изменения, наложенные на антропогенный тренд. Пересечение потепления на 2 °C до середины века трудно избежать даже при жёстких мерах по смягчению антропогенных изменений климата (оценки 75% моделей пересекают 2 °C в рамках SSP1-2.6). Однако, хотя переход от высоких (SSP5-8.5) к «средне-высоким» (SSP3-7.0) выбросам задерживает превышение порога потепления в 3 °C на 10 лет, сценарии с низким уровнем выбросов (SSP1-2.6) позволяют избежать пересечения этого порога в оценках 85% моделей. Хотя превышение порога потепления в 2 °C в ближайшей перспективе представляет собой значительный риск, немедленные меры по смягчению антропогенных изменений климата остаются критически важными для обеспечения адаптации и предотвращения долгосрочного потепления.

 

Ссылка: https://www.nature.com/articles/s41612-026-01401-z

 

Фермеры сталкиваются с растущими трудностями в поддержании стабильного урожая, поскольку изменение климата меняет условия выращивания из-за повышения температуры, переменной интенсивности осадков и экстремальных погодных явлений. Для адаптации фермеры часто выбирают новые сорта культур и корректируют сроки посева до смены культур, поскольку эти стратегии сопряжены с меньшими затратами и рисками. Для поддержки оценки будущего урожая в условиях изменения климата авторы разработали глобальный сеточный набор данных, который предоставляет смоделированные показатели урожайности и потребления воды для множества сортов культур и сроков посева кукурузы, сои, озимой пшеницы, яровой пшеницы и риса. Этот набор данных основан на воспроизведении роста сельскохозяйственных культур с использованием модели World Food Studies в рамках оценок пяти глобальных климатических моделей и трёх сценариев изменения концентрации парниковых газов, с пространственным разрешением 0,5 на 0,5 градуса (~55 км на экваторе), охватывающим период с 1961 по 2100 гг. Он может помочь определить подходящие сорта сельскохозяйственных культур и сроки посадки, которые обеспечат устойчивый урожай и оптимизируют использование воды. Этот набор данных предназначен для использования в моделировании выбора сельскохозяйственных культур, оценке воздействия изменения климата и планировании адаптации сельского хозяйства.

 

Ссылка: https://www.nature.com/articles/s41597-026-07164-9

 

Урбанизация вносит систематическую погрешность в наблюдения за температурой приземного воздуха по всему Китаю, потенциально ставя под угрозу понимание причин антропогенного изменения климата и надёжность прогнозов будущего, основанных на данных наблюдений. В этом исследовании проводится тщательный анализ обнаружения и атрибуции с использованием набора данных температуры приземного воздуха с поправкой на урбанизацию наряду с результатами моделирования CMIP6 (Coupled Model Intercomparison Project Phase 6) для количественной оценки вклада внешних факторов в региональное фоновое потепление в Китае с 1960-х годов. Результаты надёжно выявляют сигнал антропогенного воздействия, отделимый от естественного, как в годовом, так и в сезонном масштабе. Парниковые газы определены как доминирующий фактор наблюдаемого потепления. Обнаруживаемый охлаждающий эффект от антропогенных аэрозолей ограничивается средней летней температурой приземного воздуха. Использование результатов анализа причинно-следственных связей для ограничения диапазона будущих прогнозов в рамках сценария умеренных выбросов (SSP2-4.5) показывает, что фоновый климат Китая потеплеет на 1,60 °C по сравнению с текущим уровнем к середине века (2041–2060 гг.) и на 2,51 °C к концу века (2081–2100 гг.). Важно отметить, что эта ограниченная величина потепления ниже на 14% в годовом и на 13–22% в сезонном исчислении по сравнению с прогнозами, полученными на основе нескорректированных наблюдений. Это расхождение демонстрирует, что предыдущие исследования, вероятно, переоценивали будущее потепление в Китае из-за неучтённой ошибки урбанизации в базовой выборке наблюдений. Предложенная методология — корректировка ошибки урбанизации для обнаружения, анализа причинно-следственных связей и прогнозирования — обеспечивает более точную оценку воздействия антропогенного изменения климата в Китае. Эти результаты особенно ценны для других регионов, испытывающих аналогичные искажения в зарегистрированных тенденциях потепления, вызванные урбанизацией.

 

Ссылка: https://link.springer.com/article/10.1007/s10584-026-04170-z

 

Меридиональная циркуляция вносит доминирующий вклад в перенос и баланс тепла, углерода и питательных веществ в Мировом океане, что имеет широкие последствия для климата, затрагивая наземные, океанические и человеческие экосистемы. Накапливаются свидетельства того, что циркуляция как в Атлантическом, так и в Южном океанах замедлилась в последние десятилетия и, по прогнозам, будет замедляться ещё больше по мере потепления. Однако значимость тенденций, основанных на коротких инструментальных записях, обсуждается, и модельные результаты сильно различаются в прогнозируемой реакции циркуляции на изменения внешнего воздействия. Здесь использованы косвенные данные из глубоководных кораллов юго-западной части Тихого океана для реконструкции циркуляции Южного океана за последние 1300 лет. Было показано, что циркуляция в Южном океане неравномерно снижалась в течение последнего тысячелетия и коррелирует в десятилетних и тысячелетних временных масштабах с меридиональной циркуляцией в Северной Атлантике. Представленные результаты показывают, что изменчивость термохалинной активности в Южном океане исторически предшествует изменениям в Атлантике, что термохалинная активность в обоих полушариях является самой слабой за последнее тысячелетие, и что локальное (северо-атлантическое) воздействие с середины 1900-х годов усугубило термохалинную активность в Атлантике, которая и без того была обусловлена ​​динамикой Южного океана и оставалась слабой.

 

Ссылка: https://www.nature.com/articles/s41561-026-01959-6

 

Точное прогнозирование качества городского воздуха имеет жизненно важное значение для защиты здоровья населения и окружающей среды. К текущим проблемам в моделях прогнозирования качества воздуха относятся зашумленные и пропущенные данные, взаимодействие загрязняющих веществ, временные и пространственные вариации, внешние переменные, отсутствие обобщения и прогнозирование в реальном времени. Для преодоления этих проблем предлагается гибридная биоинспирированная модель для прогнозирования загрязнения городского воздуха с использованием глубокого обучения (AQP-SAPINN-HMRFO). Входные данные получены из набора данных Global Urban Air Quality Index. Данные предварительно обрабатываются с помощью неявной фильтрации объёмных поверхностей (Implicit Bulk Surface Filtering, IBSF) для нормализации данных и обработки пропущенных значений, что обеспечивает высокое качество входных данных. Для извлечения соответствующих признаков, таких как концентрации загрязняющих веществ, взаимодействие между ними и их прошлые концентрации, используется преобразование волновых пакетов с квадратичной фазой (Quadratic-Phase Wave Packet Transform, QPWPT). Прогнозирование качества воздуха осуществляется с помощью самоадаптивной нейронной сети, основанной на физических принципах (Self-Adaptive Physics-Informed Neural Network, SAPINN), которая прогнозирует концентрации пяти основных загрязняющих веществ в воздухе, таких как твёрдые частицы PM2.5, оксид углерода (CO), диоксид азота (NO₂), озон (O₃) и диоксид серы (SO₂), а также метеорологических факторов, таких как температура, скорость ветра и влажность в различных местах. Для оптимизации весовых параметров SAPINN и повышения точности модели используется метод иерархической оптимизации поиска пищи скатами (Hierarchical Manta Ray Foraging Optimization, HMRFO). Модель AQP-SAPINN-HMRFO представляет собой комбинацию методов SAPINN и HMRFO. Эта модель способна эффективно обрабатывать взаимодействия и разрывы между загрязняющими веществами. Предложенный метод реализован на языке Python, и эксперименты показывают, что AQP-SAPINN-HMRFO достигает точности 99%. Это значительное улучшение по сравнению с существующими подходами, указывающее на его потенциал для применения в режиме реального времени в мониторинге качества воздуха в городах, управлении окружающей средой и стратегическом городском планировании.

 

Ссылка: https://www.nature.com/articles/s41598-026-40726-w

 

В данном исследовании используются данные двухполяризационного радара с двух метеорологических станций для оценки точности оценки интенсивности осадков (R) по радиолокационной отражательной способности (Z) с использованием классических эмпирических соотношений Z–R (Маршалла–Палмера, Векслера и Думулина–Когомблеса). Также были проанализированы три дополнительных поляриметрических соотношения, включающие дифференциальную отражательную способность (ZDR). Расчёты проводились для семи высотных уровней, что представляет собой новый подход к проверке вертикальной структуры поля осадков. Радиолокационные данные были проверены по измерениям сети дождемеров, что позволило оценить пространственно-временную согласованность и ошибки оценки. Анализ охватывает измерения, собранные во время наводнения, произошедшего в Польше в сентябре 2024 года (система низкого давления в Средиземном море). Результаты показывают, что для анализируемого экстремального наводнения наиболее надёжные данные об осадках были получены с использованием поляриметрической зависимости на основе ZDR (среднеквадратическая ошибка RMSE = 2,20 мм ± 0,90 мм, среднее абсолютное отклонение MAE = 1,84 мм ± 0,73 мм и систематическое отклонение от истинного значения Bias = -0,67 мм ± 0,81 мм). Было продемонстрировано, что в исследованных экстремальных условиях предложенная зависимость ZDR3 демонстрирует примерно на 69% меньшую величину Bias по сравнению со стандартным оперативным методом Маршалла-Палмера. Полученные данные подтверждают потенциал поляриметрических методов для оценки количества осадков и их применимость в оперативных условиях во время подобных экстремальных погодных явлений, особенно в системах раннего предупреждения и управления кризисными ситуациями.

 

Ссылка: https://www.nature.com/articles/s41598-026-40456-z

 

Анализ, проведённый журналом Nature, предполагает, что десятки тысяч публикаций с 2025 года могут содержать недействительные ссылки, сгенерированные искусственным интеллектом.

В начале этого года специалист по информатике Гийом Кабанак (Guillaume Cabanac) получил уведомление от Google Scholar о том, что одна из его публикаций была процитирована в статье, опубликованной в International Dental Journal¹. Это было неожиданно, поскольку его исследования по выявлению сфабрикованных статей обычно не пересекаются со стоматологией. «Я был очень удивлён, увидев, что не могу распознать свою собственную ссылку», — говорит Кабанак, работающий в Университете Тулузы во Франции.

Заголовок в цитируемой статье напоминал препринт², который он опубликовал в 2021 году и так и не опубликовал официально, но журнал был указан как Nature, а DOI — уникальный идентификатор, присваиваемый издателями и репозиториями препринтов, — не вёл к оригинальному препринту. «Я очень забеспокоился», — добавляет Кабанак, который сразу же заподозрил, что цитирование было сфабриковано искусственным интеллектом.

Это лишь один пример быстро растущей проблемы. Опросы и соответствующие исследования показали, что исследователи всё чаще используют большие языковые модели (Large Language Models, LLM) для проведения поиска литературы, написания рукописей и форматирования библиографий. Иногда эти модели генерируют несуществующие академические ссылки.

В течение последнего года предпринимались попытки выявить подобные фиктивные ссылки в научной литературе. Анализ почти 18 000 статей, принятых на трёх конференциях по информатике, выявил резкое увеличение числа ссылок, которые невозможно отнести к реальным научным публикациям³. Результаты, опубликованные в январе, показали, что в 2025 году как минимум одна потенциально фиктивная ссылка присутствовала в 2,6% статей — по сравнению с примерно 0,3% в 2024 году. Другой анализ, опубликованный в феврале, показал, что в 2–6% статей на четырёх других конференциях по информатике 2025 года содержались ссылки с перефразированными названиями или ссылки на публикации, которые авторы не смогли проверить, просматривая базы данных и архивы журналов⁴.

И хотя масштабы проблемы остаются неопределёнными, ясно, что она затрагивает не только конференции. Эксклюзивный анализ, проведённый новостной командой Nature в сотрудничестве с компанией Grounded AI, расположенной в Стивенейдже, Великобритания, предполагает, что по меньшей мере десятки тысяч публикаций 2025 года, включая статьи в журналах и книги, а также материалы конференций, вероятно, содержат недействительные ссылки, сгенерированные искусственным интеллектом.

Grounded AI входит в число компаний, предлагающих издателям инструменты для проверки представленных материалов на наличие проблемных ссылок. Несколько издателей сообщили журналистам Nature, что они изучают подобные инструменты или разрабатывают собственные версии.

Однако некоторые исследователи опасаются, что проблема вскоре выйдет из-под контроля. «Мы увидим поток фальшивых ссылок», — говорит Элисон Джонстон (Alison Johnston), политолог из Университета штата Орегон в Корваллисе.

Ещё одна проблема — это решение вопроса о том, что делать с вымышленными цитатами, попадающими в опубликованную литературу. С этой проблемой сейчас борются академические издательства.

Источники ошибок

Ошибки в цитировании не являются чем-то новым для академического издательства. «Ещё до появления генеративного искусственного интеллекта у нас уже было так много неточностей в цитировании», — говорит Мохаммад Хоссейни (Mohammad Hosseini), изучающий этику и добросовестность исследований в Медицинской школе Файнберга Северо-Западного университета в Чикаго, штат Иллинойс. Проблемы, как правило, включают в себя неправильное написание имён авторов или ошибки в годе публикации, названии журнала или DOI. Ещё одна проблема — это несоответствия между информацией в цитируемой работе и подробностями, приведёнными в статье, цитирующей её^5,6.

«Сейчас проблема не только в неточности, но и в поддельных цитатах. Речь идёт о сфабрикованных цитатах, а это уже совсем другая проблема», — говорит Хоссейни.

Издатели сообщили журналу Nature, что наблюдают рост числа сфабрикованных и неточных цитат в присланных работах и ​​принимают меры для решения этой проблемы.

Джонстон, соредактор журнала Review of International Political Economy (RIPE), издаваемого британской компанией Taylor & Francis, говорит, что в январе она отклонила 25% из примерно 100 представленных работ «из-за поддельных ссылок». Она использует программное обеспечение для обнаружения плагиата iThenticate, чтобы выявлять необычные или частичные совпадения между ссылками в представленных статьях и опубликованными библиографиями. Затем она вручную проверяет подозрительные цитаты. «Сейчас я пытаюсь выявлять вымышленные ссылки, чего не делала до 2025 года», — говорит она.

Компания Frontiers, расположенная в Лозанне, Швейцария, разработала собственный инструмент на основе искусственного интеллекта для выявления проблем с научной этикой на этапе подачи статьи, включая ссылки на нерелевантные или отозванные работы и вымышленные цитаты. «Около 5% [рукописей] демонстрируют потенциальные проблемы, связанные со ссылками, выявленные в ходе наших проверок», — говорит Елена Викарио (Elena Vicario), руководитель отдела научной этики Frontiers. Но «не все отмеченные ссылки в конечном итоге оказываются действительно проблематичными», — добавляет она. По словам Викарио, это затрудняет точное измерение распространённости любого из этих типов проблем с цитированием.

Эксперименты с использованием чат-ботов на основе искусственного интеллекта для генерации статей позволили получить представление о том, как часто LLM допускают ошибки в цитировании и какие типы ошибок они, как правило, допускают. В одном исследовании учёные предложили LLM-установке GPT-4o от OpenAI сгенерировать шесть обзоров литературы по трём психическим расстройствам и проанализировали 176 ссылок в этих синтетических обзорах⁷. В этих экспериментальных условиях они обнаружили, что почти 20% были сфабрикованными ссылками и не могли быть связаны с реальными исследованиями. А 45% оставшихся ссылок, которые соответствовали подлинным публикациям, содержали ошибки, часто неверные или недействительные DOI.

В некоторых случаях, в том числе в ссылках в опубликованных статьях, все составляющие части вымышлены, говорит Кэтрин Вебер-Боер (Kathryn Weber-Boer), директор по наукометрии лондонской компании Digital Science. (Компания управляется издательской группой Holtzbrinck Publishing Group, которая является мажоритарным акционером Springer Nature, издающей Nature. Редакционная команда Nature независима от издателя.) Искусственный интеллект также создаёт «галлюцинации» DOI как в подлинных, так и в сфабрикованных ссылках, добавляет она.

Сгенерированные искусственным интеллектом ссылки часто объединяют фрагменты подлинных публикаций, говорят исследователи, изучавшие этот вопрос (см. «Как подделки могут выглядеть правдоподобно»). Джо Шокман (Joe Shockman), соучредитель и генеральный директор Grounded AI, называет такие ссылки «цитатами Франкенштейна», сравнивая их создание с созданием вымышленного монстра. «Человеку это кажется реальным, но на самом деле это не ссылка на реальный объект», — говорит Шокман, проживающий в Ашленде, штат Орегон.

 

Хотя некоторые типы ошибок, по-видимому, связаны с искусственным интеллектом, другие менее однозначны, говорят исследователи. «В современных условиях мы должны понимать, что существуют человеческие ошибки и ошибки машин, и они часто могут пересекаться», — говорит Вебер-Боер.

Проблемы с опубликованными работами

Определить, сколько ложных цитирований появляется в опубликованных исследованиях, по-прежнему сложно. Чтобы получить приблизительную оценку, новостная команда Nature объединила усилия с Grounded AI, разработавшей инструмент искусственного интеллекта под названием Veracity, проверяющий цитирования по научным базам данных и в интернете, помечая те, которые являются недействительными, нерелевантными или ссылаются на отозванные работы.

Nature и Grounded AI совместно проанализировали более 4000 публикаций за прошлый год, охватывающих пять ведущих издательств: Elsevier, Sage, Springer Nature, Taylor & Francis и Wiley. Инструмент Grounded AI случайным образом отобрал эти статьи из Europe PMC — репозитория статей по биомедицинским исследованиям в открытом доступе — и библиометрической базы данных Crossref, включив в выборку равное число публикаций в месяц от каждого из пяти издателей. Выборка включала опубликованные статьи, а также главы книг и материалы конференций, и охватывала все предметные области в портфелях этих издателей.

Инструмент Grounded AI ищет точное совпадение со ссылкой или наиболее близкое совпадение, которое он может найти. Затем он отмечает цитаты с серьёзными проблемами, такими как несовпадающие названия или DOI, отсутствующие авторы и неверные журналы, а также более мелкие проблемы. Цитаты, указывающие на статьи, которые не удалось найти, хотя их должно быть легко найти — например, потому что рассматриваемый журнал индексируется научными базами данных, — были отмечены как особенно проблемные.

После проверки публикаций с помощью инструмента Grounded AI присвоила каждой из опубликованных статей оценку риска на основе числа ссылок с серьёзными ошибками и вероятности того, что эти ошибки были сгенерированы искусственным интеллектом. Grounded AI определила эту вероятность, используя данные, полученные в ходе отдельного анализа, в котором две модели искусственного интеллекта сгенерировали 20 000 синтетических статей; это позволило компании выявить наиболее распространённые типы ошибок цитирования, допускаемые искусственным интеллектом.

Nature вручную проверила 100 наиболее подозрительных публикаций и подтвердила, что 65 из них содержали как минимум одну недействительную ссылку, то есть указывали на публикацию, которой, по-видимому, не существовало (см. «Выявление фальсификаций»). Однако 22 из 100 наиболее подозрительных статей содержали ссылки, указывающие на подлинные публикации.

Что касается оставшихся 13 статей, то было неясно, все ли их ссылки указывали на существующие исследования или нет. Эти 13 статей содержали ссылки на статьи, которые, как утверждалось, были опубликованы в региональных журналах на языках, отличных от английского, а также ссылки с несоответствиями в метаданных, которые выглядели как вероятные ошибки, допущенные человеком, например.

Анализ, в котором рассматривались списки литературы из Crossref и полные тексты публикаций Europe PMC, не выявил чёткой тенденции среди издателей. У каждого из выбранных издателей было более пяти публикаций со ссылками, которые не удалось подтвердить при ручной проверке.

В качестве приблизительной оценки, если показатель в 65 публикаций с хотя бы одной недействительной ссылкой из примерно 4000 проанализированных публикаций сохраняется в академической литературе, это означает, что более 110 000 из примерно 7 миллионов научных публикаций с 2025 года содержат недействительные ссылки.

Ник Морли (Nick Morley), соучредитель и директор по продуктам Grounded AI, говорит, что типы проблем с цитированием, наблюдаемые в 2025 году, отличаются от тех, которые обнаружила его команда до распространения программ магистратуры в области права (LLM). Этот факт, по его словам, указывает на использование искусственного интеллекта как на главного виновника.

Вебер-Боер говорит, что истинное число фиктивных ссылок почти наверняка выше, поскольку анализ был сосредоточен на крупных издательствах, которые располагают большими ресурсами для систематической проверки цитирований, чем более мелкие издательства. Такие области, как информатика, где наблюдается всплеск использования программ LLM для подготовки рукописей⁸, могут быть затронуты сильнее, чем другие области. Более того, анализ Grounded AI выявил на несколько сотен больше публикаций, которые имели некоторый риск фиктивных цитирований, что предполагает, что дополнительная ручная проверка выявила бы больше таких цитирований.

Представители всех пяти издательств заявили, что они проверяют ссылки в рамках своего процесса отбора и редактирования, и они намерены расследовать публикации, отмеченные анализом Nature. Представитель компании Taylor & Francis заявил, что некоторые из отмеченных публикаций уже находятся на рассмотрении отдела по этике и добросовестности.

Что касается фиктивных ссылок, «были случаи, когда авторы могли чётко задокументировать проблемы, возникшие в процессе подготовки рукописи, например, с помощью инструмента перевода, и продемонстрировать, что остальная часть статьи заслуживает доверия, в этом случае статья будет исправлена», — говорит Крис Граф (Chris Graf), директор по вопросам научной этики в Springer Nature. Но чаще всего, по его словам, эти ссылки отражают более широкие проблемы с содержанием.

Шокман отмечает, что количество потенциально проблемных цитирований, отмеченных Veracity, на порядок больше, когда эта система используется в пилотных программах для проверки заявок от имени издателей, чем когда она анализирует сами публикации. Это говорит о том, что издатели выявляют значительную часть таких цитирований до того, как они попадут в научную литературу.

Сотрудничество Nature с Grounded AI также показало, как отмечали многие эксперты, что обнаружение недействительных цитирований с помощью автоматизированных инструментов не лишено ошибок. Одна из проблем заключается в том, что журналы используют различные способы форматирования ссылок, и инструменты искусственного интеллекта могут не распознать ссылки из-за особенностей их оформления. Подобные проблемы возникали среди цитирований, которые при ручной проверке были признаны подлинными, несмотря на то, что были отмечены как таковые инструментом Grounded AI.

Ещё одна проблема, по словам Вебер-Боер, заключается в том, что крупномасштабные библиометрические базы данных могут не индексировать ссылки, которые невозможно проверить, то есть их метаданные могут не совпадать с тем, что указано на веб-сайтах издателей. Некоторые ссылки не содержат соответствующего DOI, что затрудняет автоматизированным инструментам идентификацию цитируемой статьи, добавляет Вебер-Боер. «Мы начинаем понимать характеристики этой проблемы, что является предпосылкой для понимания её масштабов», — говорит она.

Члены команды Grounded AI признают, что не все ссылки, отмеченные их инструментом, будут действительно реальными, но заявляют, что продолжают улучшать его работу. Издательство IOP Publishing, расположенное в Бристоле, Великобритания, теперь использует инструмент Grounded AI для проверки статей на наличие проблемных цитирований во всех своих собственных журналах, говорит Ким Эгглтон (Kim Eggleton), руководитель отдела рецензирования и научной этики. «Мы знаем, что это проблема, мы просто не знаем, насколько она масштабна», — говорит она.

Цитируемая литература
1. Duane, B., Ashley, P. & Larkin, J. Int. Dent. J. 76, 103979 (2026).
2. Cabanac, G., Labbé, C. & Magazinov, A. Preprint at arXiv https://doi.org/10.48550/arXiv.2107.06751 (2021).
3. Sakai, Y., Kamigaito, H. & Watanabe, T. Preprint at arXiv https://doi.org/10.48550/arXiv.2601.18724 (2026).
4. Bienz, A., Pearson, C. & Garcia de Gonzalo, S. Preprint at arXiv https://doi.org/10.48550/arXiv.2602.05867 (2026).
5. Baethge, C. & Jergas, H. Res. Integr. Peer Rev. 10, 13 (2025).
6. Cobb, C. L., Crumly, B., Montero-Zamora, P., Schwartz, S. J. & Martínez, C. R. Jr Am. Psychol. 79, 299–311 (2024).
7. Linardon, J. et al. JMIR Ment. Health 12, e80371 (2025).
8. Liang, W. et al. Nature Hum. Behav. 9, 2599–2609 (2025).
9. Abbonato, D. Preprint at arXiv https://doi.org/10.48550/arXiv.2602.15871 (2026).
10. Resnik, D. B. & Hosseini, M. Account. Res. https://doi.org/10.1080/08989621.2026.2645390 (2026).

Ссылка: https://www.nature.com/articles/d41586-026-00969-z