Η επιστημονική κοινότητα της τεχνητής νοημοσύνης αντιμετωπίζει μια παράδοξη πρόκληση: το ίδιο εργαλείο που υπόσχεται να επιταχύνει την καινοτομία — τα μεγάλα γλωσσικά μοντέλα (LLMs) — φαίνεται να υπονομεύει την ποιότητα της ίδιας της έρευνας. Σύμφωνα με τους Financial Times, ερευνητές και οργανωτές συνεδρίων τεχνητής νοημοσύνης έχουν αρχίσει να εντοπίζουν μια μαζική έκρηξη σε χαμηλής ποιότητας, AI-παραγόμενο γραπτό περιεχόμενο, το οποίο έχει ήδη αποκτήσει το προσωνύμιο «AI slop».
Οι σημαντικές επιστημονικές εκδηλώσεις του κλάδου, όπως το International Conference on Learning Representations (ICLR) και το NeurIPS, έχουν δει το ποσοστό υποβολών που εμπλέκουν LLMs να αυξάνεται δραματικά, με τις εκτιμήσεις να δείχνουν ότι έως και 22% των πρόσφατων εργασιών χρησιμοποιούν LLMs σε κάποιο βαθμό.
Το πρόβλημα είναι ότι πολλά από αυτά τα έγγραφα και οι αξιολογήσεις περιέχουν λανθασμένα δεδομένα, αναφορές που έχουν εφευρεθεί και ουσιαστικά «παραπλανητικό» περιεχόμενο, ενώ κάποιες φορές φαίνεται ότι υπερτερούν ποσοτικά έναντι της πραγματικής καινοτομίας. Στην περίπτωση του ICLR του 2025, μια εργασία που υποψιάστηκε η επιτροπή ότι είχε παραχθεί από AI κατέλαβε ακόμη και θέση στα κορυφαία 17% βάσει των βαθμολογιών των reviewers.
Αυτό έχει θορυβήσει την ακαδημαϊκή κοινότητα. Ερευνητές εκφράζουν φόβους ότι η αύξηση του “slop” δεν απειλεί μόνο την αξιολόγηση και την ποιότητα των σημείων αναφοράς της έρευνας, αλλά μπορεί μελλοντικά να μολύνει τα δεδομένα με τα οποία εκπαιδεύονται τα ίδια τα LLMs, οδηγώντας σε μείωση της αποδοτικότητας και της αξιοπιστίας των μελλοντικών μοντέλων.
Σε απάντηση, οργανωτές συνεδρίων άρχισαν να ενισχύουν τις πολιτικές τους για τη χρήση AI. Πλέον απαιτείται η καταγραφή της εκτεταμένης χρήσης LLMs στη συγγραφή, ενώ όσοι αξιολογητές παράγουν «χαμηλής ποιότητας AI κείμενα» ενδέχεται να υποστούν κυρώσεις ακόμα και να απορριφθούν οι δικές τους υποβολές.
Η κρίση αυτή αναδεικνύει μια ευρύτερη τάση. Καθώς επιχειρήσεις και ακαδημαϊκοί αγωνίζονται να αξιοποιήσουν τα LLMs για να αυξήσουν την παραγωγικότητα, η ποιοτική διαχείριση των αποτελεσμάτων καθίσταται ολοένα πιο κρίσιμη. Ορισμένοι ειδικοί υπογραμμίζουν ότι τα μοντέλα μπορούν να αποδειχθούν πολύτιμα ως βοηθητικά εργαλεία για επεξεργασία και ιδέες, αλλά όχι ως υποκατάστατα της βαθιάς γνώσης και της αυστηρής επιστημονικής μεθοδολογίας.
Για τον επιχειρηματικό κόσμο που επενδύει και αναπτύσσει λύσεις γύρω από την AI, αυτή η εξέλιξη είναι ένα ξεκάθαρο μήνυμα: η υπεύθυνη, διαφανής και ποιοτικά ελεγχόμενη χρήση των LLMs δεν είναι απλώς ηθική απαίτηση, είναι βασική προϋπόθεση για να διατηρηθεί η εμπιστοσύνη στην τεχνολογία και τα προϊόντα που βασίζονται σε αυτήν.
