Janet H. Murray, Nick Monfort i mykotoksyny w krowim mleku

Czytanie akademickiego slopu zabrało mi czas, który mógłbym przeznaczyć na wartościową lekturę. Chociaż nie dowiedziałem się niczego na temat nowych gatunków literackich, powstających przy użyciu “AI”, przypomniałem sobie o znaczeniu cytowań oraz sprawdziłem, że duże modele językowe potrafią skutecznie rozpoznawać ślady wskazujące na maszynowe pochodzenie tekstu naukowego.

Niestety The Machine as Author: Examining AI's Contribution to New Literary Genres (DOI: 10.1109/ICFTS62006.2025.11031716, 2025) od początku nie był artykułem, który bez wątpliwości chciałem przywoływać. Rok po publikacji wciąż nie miał żadnych cytowań, co - biorąc pod uwagę temat - wydawało mi się nieco niepokojące. Sam tekst pojawił się w tomie pokonferencyjnym wydanym w raczej wiarygodnej bazie IEEE Xplore - więc może jednak?

Z powodu braku cytowań nie chciałem specjalnie zagłębiać się w metody zastosowane w omawianym badaniu i wyniki ilościowe. Znalazły się tam np. dane na temat skuteczności rozpoznawania, czy proza jest generowana maszynowo czy pisana przez ludzi, jednak to wszystko wyliczone na podstawie odpowiedzi w anonimowej ankiecie online. Zwróciłem uwagę na to opracowanie przede wszystkim ze względu na propozycje nazw i opisów nowych gatunków, powstających przy pisaniu z użyciem modeli językowych. Oczekiwałem czegoś w rodzaju akademickiej wersji katalogu internetowych gatunków estetycznych (zobacz tutaj też) - propozycji ciekawych, zajmujących, momentami zabawnych, nawet jeśli niespecjalnie nadających się do analizy na serio.

Autorzy tekstu zidentyfikowali kilka nowych grup gatunków literackich. Nazwano je nawet ciekawie: algorithmic fiction, procedural poetry, interactive AI narratives czy virtual reality literature, gdzie wątki generowane przez modele językowe rozwijane mają być w immersyjnym środowisku. Co z tego, jeśli ich opisy okazały się skrajnie ogólne i nie niosły ze sobą żadnej treści (np. fikcja algorytmiczna miała być literaturą generowaną przez AI w oparciu o wzorce i algorytmy). W tekście znaleźć można też takie pojęcia jak algorithmic surrealism czy philosofiction - są one jednak jedynie wymienione, a nie dokładnie opisane. Niekiedy podawano wyłącznie ich kilkuzdaniowe charakterystyki w dziwnym stylu, np. philosophically bespectacled micro.

Bezpośredni cytat z artykułu: Ten wykres liniowy przedstawia hipotetyczny procentowy wpływ AI na powstawanie nowych gatunków literackich w latach 2015–2025 😏.

Wrzucenie tekstu do Gemini z prostym promptem czy jest to tekst wygenerowany w AI? dało jednoznaczne potwierdzenie, dzięki przywołaniu konkretnych przykładów. Okazało się, że pomieszczone w tekście schematy blokowe, które od razu zignorowałem przy pierwszym kontakcie z artykułem, nie mają żadnego związku z mechanizmami tworzenia literatury z wykorzystaniem modeli językowych. Na wykresie zamiast podpisów komórek (bloków) pojawia się nawet napis "unsupported markdown” 🤕. W tekście - co zauważyłem już wcześniej - umieszczono też wykres wpływu AI na nowe gatunki literackie w latach 2015-2025, rysując go w skali procentowej (!) i na podstawie hipotetycznych danych (!). Czy chodziło tu o liczbę nowych tytułów, których treść odwołuje się do “sztucznej inteligencji”? A może o wyniki rozpoznania wpływu modeli językowych na ich treść? Niestety, nieuczciwym autorom nie chodziło o nic poza wypełnieniem tekstu wykresem.

W bibliografii omawianej pracy znajdziemy ważne nazwiska badaczy i badaczek cyber-literatury (Lev Manovich, Nick Monfort, Janet H. Murray). Znajdziemy tam jednak odwołania do prac takich jak Enhancing Road Safety with Connected Internet of Things, Effect of Mycotoxins on Reproduction and Milk Quality of Dairy Cattle czy ENOP: Methodology to Predict Working Employee Stress Levels, które w oczywisty sposób nie mają nic wspólnego z tematem opracowania.

Akademickie slopy udające teksty naukowe nie tylko wykoślawiają komunikację naukową, ale też zabierają czas, który można byłoby przeznaczyć na lekturę dobrych artykułów. Nowe gatunki literackie, które mogłyby pojawić się przez rosnące pośrednictwo modeli językowych w pracy pisarskiej, to z pewnością atrakcyjny temat. Szkoda, że nie mogłem napisać tu o nich czegokolwiek wartościowego.

Żeby jednak nie czuć się już zupełnym przegrywem, postanowiłem wyciągnąć jakąś naukę z tej wpadki. Korzystam ze wsparcia NotebookLM. Przyspiesza to podejmowanie decyzji, czy w ogóle warto zajmować się danym artykułem, ale ma dość poważne ograniczenia. Przykładowo, NotebookLM halucynuje pojęcia, które nie są wymienione wprost w tekście źródłowym, ale jedynie tam opisane. Jak się okazało, narzędzie to ignoruje też oczywiste sygnały tego, że tekst może być wygenerowany maszynowo. Stąd przy dalszej pracy z tym narzędziem promptował będę polecenia wyszukiwania przejawów akademickiego slopu, ew. sprawdzał to jeszcze za pomocą innych modeli, które mogą mieć lepszą wiedzę (wiedzę modelu) na ten temat.

Jestem też świadom tego, czym stało się w ostatnich latach cytowanie prac naukowych. Kiedyś przypisy były formą powoływania się na autorytet i wartościowe źródła, dziś są także walutą w instytucjonalnych rozliczeniach i narzędziem akademickiej nieuczciwości (DOI: 10.1038/s41598-025-88709-7, 2024). Mimo tego warto zwracać na nie uwagę, budując własne filtry przeciwko akademickim slopom.

Próbę testu dla NotebookaLM udostępniam na GitHubie. Plik test.txt można dodać do źródeł w notatniku i następnie użyć promptu wykonaj zadania z test.txt na udostępnionym artykule naukowym. Celem tego testu nie jest oczywiście naukowe rozpoznanie akademickiego slopu, ale szybkie sprawdzenie, czy w ogóle warto poświęcić uwagę znalezionym w sieci artykułom.

Przykład pracy z plikiem test.txt w NotebookLM.

Autor: redakcja