«Список ссылок» больше не ответ. Ежегодно в мире публикуется от 3 до 6 млн научных статей, и этот объём стремительно увеличивается благодаря искусственному интеллекту (ИИ). Количество растёт, качество снижается: даже в авторитетные научные базы попадают публикации с выдуманными источниками, ненастоящими авторами и ссылками на несуществующие работы.

Чему доверять и как превратить найденное в обоснованный результат? О будущем научного поиска, доверии к ИИ и развитии «Неопоиска» — в интервью с генеральным директором ИТ-компании «Неопоиск», генеральным директором компании «ИНФРА-М» Альбиной НЕСТЕРОВОЙ.

— Альбина Николаевна, тема нашего разговора звучит почти как приговор: «Научный поиск исчерпал себя». Но ваш продукт называется «Неопоиск». Вы объявляете о конце рынка, на котором сами работаете?

— Только если считать поиском привычный сценарий: ввести запрос, получить сотни ссылок и остаться с ними один на один. Такая модель действительно исчерпала себя.

Смотрите, какой здесь возникает парадокс. Ежегодно в мире выходит более 3 млн научных статей, а исследователь тратит на их поиск, отбор и проверку до 20 часов в неделю — фактически заводит вторую работу. Модель «поиск как склад», где всё сложено, но никто не расставил по полкам смысл, действительно исчерпала себя.

Поэтому мы не закрываем рынок, на котором работаем, но меняем единицу измерения результата: раньше это были проверенные источники, теперь — проверенные источники плюс структурированное понимание, с которым можно двигаться дальше.

— Получается, традиционный поиск становится только фундаментом. Что же тогда должно появиться над ним?

— То, что вырастет над этим фундаментом, определит следующие пять лет всей индустрии. Конечно, на помощь придут ИИ-ассистенты. Но при этом должна появиться не рядовая ИИ-надстройка, а полноценная среда интеллектуального диалога со знанием: вместо отдельных продуктов (поисковиков, баз данных, менеджеров цитирований) — интегрированные экосистемы, объединяющие дискавери-поиск, полнотекстовые базы, ИИ-инструменты и исследовательскую аналитику. К слову, такая экосистема уже формируется. Так, в России осенью подобное интероперабельное решение запускается на базе «Неопоиска» в интеграции с полнотекстовыми базами знаний, системой проверки на заимствования и ИИ-ассистентом для аналитики и отчётов. За рубежом схожие решения внедряют в свои продукты Elsevier, Clarivate (Ex Libris), EBSCO и Cengage.

Важно: академический ИИ нельзя выстраивать поверх случайной или крайне неполной интернет-выдачи. Это огромные риски для всей мировой науки. Каждый ответ должен опираться на реальный, проверяемый источник. Но и этого недостаточно! Деликатная тема доступа к полным текстам сейчас у всех на слуху, потому что очевидно: ИИ-модель, формирующая ответы исключительно на метаданных, заведомо лжива.

Если она может обращаться к полным текстам публикаций открытого доступа, это уже не ложь, но заведомо неполное знание, выдаваемое за полное. Что ИИ-модель потребляет, то она и выдаёт. Если «кормить» её только открытыми данными, на выходе получается не знание, а информационный полуфабрикат. Всё-таки опорой для академического ИИ могут быть только полные тексты: как публикации открытого доступа, так и — обязательно — проприетарный контент.

— Позвольте поспорить: сегодня уже существуют ИИ-сервисы для науки, которые работают с метаданными и полными текстами публикаций открытого доступа и при этом дают вполне убедительные ответы. Почему Вы считаете, что для полноценной работы этого недостаточно?

— Потому что убедительный ответ и достоверный ответ — не одно и то же. Метаданные показывают название публикации, её аннотацию и ключевые слова, но не раскрывают аргументацию, доказательства и ограничения исследования. Аннотация — это всё-таки упаковка, а не сам продукт.