ИИ не может составить качественный список литературы в студенческой работе: почему так и как это исправить

Уже делегируете генерацию теоретических разделов и расчеты искусственному интеллекту? Он справится с анализом информации и написанием текстовых блоков, а вот библиографический список – это слабое место нейросетей. Объясняем, почему так и как получить хороший список. 

Содержание:

1. Что такое список литературы и как его составляет ИИ
2. Какие ошибки нейросеть допускает чаще всего
3. Как получить качественный список источников от ИИ

Что такое список литературы и как его составляет ИИ

Поиск тематической литературы, ее цитирование и оформление в список использованных источников – ключевая часть курсовых и дипломных работ, которую проверяют всегда. Основу библиографического перечня составляют учебники, книги и монографии, нормативно-правовые акты и стандарты, а также статьи и публикации отечественных и иностранных влиятельных авторов. Можно пользоваться бумажными изданиями и электронными ресурсами. По мере упоминания нужны ссылки на источники или цитирование.

Список литературы составляется в конце курсовой работы или диплома. Нужное количество источников зависит от требований учебного заведения и специальности, примерный диапазон – 20-50 единиц. Например, если проект готовится по естественнонаучной или технической дисциплине, литературы может понадобиться больше, по гуманитарной – меньше. 

На поиск источников и тем более их оформление в список уходит много времени: до 30%. Поэтому вместо самостоятельного сбора литературы на специализированных базах данных типа КиберЛенинки или Google Scholar и похода в библиотеку хочется ускорить выполнение задачи через нейросеть. Результат не всегда получается быстрым и качественным. Объясним, почему.

Имитация правдоподобия

Нейросети умеют обучаться на основе данных и примеров, которые им встречались до этого и запомнились. У ИИ нет четких инструкций и алгоритмов для ответа на каждый запрос: правила создаются в процессе, а вместо поиска он конструирует текст, который похож на фрагменты из обучающей выборки. Что это значит? Нейросеть понимает, как выглядит библиографический источник так, как видела подобные записи, и научилась воспроизводить их похожими. Для нее не главное, какие книги под чьим авторством существуют на самом деле, ей достаточно комбинировать самые предсказуемые элементы, имитируя правдоподобие ресурса. 

Ответ любой ценой

Главная задача нейросети – дать связный ответ на пользовательский запрос. Систему научили отвечать любой ценой, а не признавать сложность задачи или незнание в определенной теме. Если у ИИ есть пробелы или вопрос мало изучен, он не скажет об этом прямо. Вместо этого заполнит пустоту выдуманными фактами, которые подаст как достоверные. Искусственный интеллект не различает вымысел и реальность, может давать фальшивые развернутые ответы, составленные из уместных, как ему кажется, слов. Система легко придумает автора, присвоит ему несуществующую книгу и попытается оформить источник по правилам. Приоритет – давать ответ. 

Генерация вместо поиска

При составлении списка источников ИИ ничего не стоит сгенерировать книгу. Нейросеть может предложить сослаться на реального эксперта в конкретной области, например, медицине или маркетинге, но название труда, каким бы правдоподобным оно ни казалось, выдумать. Если студент знает, что автор является авторитетом в определенной сфере, вряд ли будет перепроверять его публикации, люди склонны доверять искусственному интеллекту как эксперту. 

Нехватка данных

Искусственному интеллекту не хватает данных для обучения. Еще в 2024 году заметно снизился объем контента, который разработчики используют для нейросетей. Многие онлайн-платформы, а особенно влиятельные издания или университеты, ввели ограничения на сбор данных со своих сайтов. Из-за отсутствия доступа, нейронка выдаст то, что упоминается в сети чаще – это может быть устаревшая или некачественная информация. 

Какие ошибки нейросеть допускает чаще всего

Когда используете ИИ для работы с источниками, важно знать, какие ошибки может допустить нейросеть. Лучше заранее это учитывать и потратить время на проверку или составление промта, чем переделывать работу заново. 

Топ типичных ошибок в ИИ источниках литературы:

• Несуществующие авторы, книги, публикации, конференции и т.д. ИИ легко выдумывает реалистичные названия источников, имена ученых, темы научных статей и мероприятий. Нейросети ничего не стоит собрать заумное название научно-практического семинара по биоинженерии из стандартных формулировок, которые ей встречались тысячи раз. 
• Перепутанные реальные данные. Источники ИИ могут быть реальными книгами или статьями, но система часто приписывает авторство другому человеку, например, коллеге или эксперту в одной области. Также нейросеть может составить библиографическую запись, скомпоновав автора из одного источника, название книги – из другого, издательство – из третьего. Получается, что каждый элемент по отдельности существует, но как единое целое никогда не встречались. Иногда искусственный интеллект путается в городах и датах издания. 
• Неправильные ISBN и DOI. Нейросеть запросто подменит реальные идентификаторы на вымышленный цифровой код. Заметить такой подвох без проверки невозможно. 
• Нерабочие ссылки. Желание помочь пользователю иногда доходит до того, что ИИ присылает ненастоящие ссылки на материалы или адреса на реальные домены, на которых нужная статья никогда не публиковалась. 
• Нерелевантные источники. Для ИИ литературные источники с устаревшей информацией или отмененными нормативными документами – это такие же материалы, как публикации со свежайшими обновлениями. Если материал подходит к теме, нейросеть может проигнорировать дату издания и не иметь доступа к новейшим версиям. 
• Одинаковые списки. Нейросеть может предоставлять один и тот же библиографический список неограниченному количеству человек. Неловко выйдет, если несколько человек пишет курсовую работу по схожим темам у одного руководителя, полностью доверив ИИ поиск источников. 
• Неподходящая литература. Частая ошибка ИИ – найти реальную книгу существующего автора, но не подходящую к теме диплома или курсового проекта. Такое может случиться, если нейросеть увидит совпадение даже по одному слову в запросе. 

Такие ошибки запросто вычислят и рецензент, и научный руководитель. Преподаватели обязательно проверяют список литературы на оформление, использование в тексте и достоверность источников. Если выяснится, что выборочные единицы не существуют, будут вопросы к качеству всей работы. Проверка после доработки может быть еще более тщательной. 

Как получить качественный список источников от ИИ

Важно понимать, что искусственный интеллект – помощник и ускоритель в поиске и оформлении списка литературы, но никак не исполнитель. А значит – вся ответственность лежит непосредственно на студенте. Чтобы использовать инструмент с пользой, нужно знать, как делать запросы и обязательно проверять результаты.  Наши советы:

• Пользуйтесь нейросетями с доступом к интернету. Так можно найти реальные источники в сети, академических базах, электронных библиотеках с кликабельными ссылками.
• Проверяйте каждый источник ИИ вручную. Так точно будете знать, что книга, статья или закон существуют, их автор указан верное, а информация в них актуальная. 
• Уделяйте внимание деталям. При проверке не ленитесь сверить ISBN/ DOI, ФИО автора, год и место издания, полное наименование источника, а также перейти по ссылке и убедиться, что все правильно. 

Если нашли ошибку, несостыковку или любую непонятную и подозрительную информацию, лучше исключить такой ресурс из списка.

Упрощайте себе жизнь и поручайте рутинные процессы ИИ, но не перекладывайте на него всю работу, надеясь на качественный результат. Если нет времени на подготовку проекта с нейросетями и тем более проверку после них, обращайтесь к нам. Найдем источники литературы по вашей теме и оформим их в библиографический список по регламентам колледжа или вуза.