Springer Nature i Google DeepMind rozwijają asystenta AI, który ma wspierać recenzowanie prac naukowych. Relacje opublikowane 26 października 2026 r. informowały, że prototyp był wtedy testowany. Recenzja naukowa to ekspercka ocena pracy przed jej publikacją; partnerzy opisują AI jako pomoc dla recenzentów, a nie zastępstwo ich osądu.

Jak asystent ma wspierać recenzentów

Według opisu projektu asystent ma pomagać w analizie manuskryptów, czyli tekstów prac naukowych zgłoszonych do publikacji. Ma przetwarzać duże ilości tekstu, wykresy i ilustracje oraz wskazywać miejsca wymagające dokładniejszej kontroli. To planowane zastosowania, a nie wyniki pomiaru skuteczności prototypu.

Partnerzy przedstawiają ekspercką ocenę jako centralny element recenzji. Ma to znaczenie zwłaszcza przy osądach, które wykraczają poza sprawdzanie danych i wykrywanie niespójności. James Zou, informatyk z Uniwersytetu Stanforda, w osobnym komentarzu o AI w recenzowaniu naukowym ocenił, że systemy AI lepiej radzą sobie z obiektywnymi, sprawdzalnymi niespójnościami i kwestiami technicznymi niż z subiektywną oceną nowatorstwa lub znaczenia badań. To ogólna ocena, nie wynik testów asystenta rozwijanego przez Springer Nature i Google DeepMind.

Gemini, ADK i środowisko Springer Nature

Relacje o projekcie opisywały wykorzystanie modeli Gemini oraz otwartego Agent Development Kit (ADK) Google, czyli zestawu do budowania agentów AI. Prototyp działał w prywatnym środowisku Gemini Enterprise Springer Nature. Partnerzy zapewniali, że treści wykorzystywane do rozwoju i testowania systemu pozostają w bezpiecznej infrastrukturze wydawcy.

Artykuły z 26 października 2026 r. informowały o testowaniu prototypu. W relacji Research Information z tego dnia podano, że nie ogłoszono harmonogramu szerszego wdrożenia. Sam opis testów nie oznacza, że recenzenci mają obowiązek korzystania z asystenta.

Co mówią odrębne badania o AI w recenzowaniu

Stanford HAI opisał osobny randomizowany eksperyment, w którym AI wspierała ludzi przy około 20 000 recenzji. W tej samej publikacji przedstawiono też wyniki eksperymentu ICLR jako poprawę jakości recenzji i zaangażowania recenzentów. Są to ustalenia dotyczące odrębnych badań, a nie ocena prototypu Springer Nature i Google DeepMind.