Учёные предложили формат ARA: научные статьи не для людей, а для ИИ

В мае на arXiv вышла статья «The Last Human-Written Paper» («Последняя статья, написанная человеком»), её выпустили 37 исследователей из порядка двух десятков университетов и технологических компаний. Авторы утверждают, что учёным пора перестать писать статьи в привычном виде: у ИИ другие требования к формату, и, по их мнению, именно эти требования должны стать приоритетом. Взамен они предлагают формат Agent-Native Research Artifact (артефакт исследования, изначально рассчитанный на ИИ-агента, сокращённо ARA), способ фиксировать научную работу так, чтобы ИИ-агент мог эффективно с ней работать. Саму статью авторы опубликовали именно в формате ARA, как демонстрацию идеи.

Тема расширения роли ИИ в науке спорная: часть свидетельств говорит, что ИИ в исследованиях повышает карьерные результаты отдельных учёных, но одновременно снижает число новых идей и направлений; при этом некоторые биологи уже увидели в ИИ перспективного «со-учёного». Ведущий автор статьи, Цзячэнь Лю: степень PhD по компьютерным наукам она получила в Мичиганском университете в 2025 году, а в мае стала соосновательницей стартапа Agent Native Research Lab (Пало-Альто, Калифорния), который занимается ИИ для науки. Она рассказала IEEE Spectrum о статье и будущем ИИ в исследованиях.

По словам Лю, в конце 2024 года, когда появился ИИ-агент для написания кода Cursor, она поняла, что он способен заменить её как исследователя, но ИИ всё ещё требовал огромного объёма ручной работы по выстраиванию вспомогательной инфраструктуры вокруг модели. Тогда она даже написала статью о том, насколько важен человек в контуре исследования. С тех пор ИИ шагнул вперёд: по её оценке, уже в 2026 году языковые модели содержат почти полный объём знаний уровня бакалавриата, а скоро внутри них появится и уровень PhD и профессоров. Именно в этой точке, считает Лю, человек перестаёт добавлять ценность, и дальше ИИ должен развиваться уже сам; ARA, по её словам, первый шаг к инфраструктуре, которая позволит ему делать это безопасно.

Отклики на статью, по словам Лю, были исключительно положительными, она объясняет это тем, что несогласные обычно просто не выходят на связь. Индустрия увидела в предложении способ сделать корпоративные системы знаний и исследований более «ИИ-нативными» и связать в единый процесс сотрудничество внутри всей компании. Академические исследователи увидели в идее ответ на давнюю проблему: обмен результатами всегда был узким местом науки, потому что любой научный прорыв, результат коллективных усилий, а не одиночных гениев. Лю сравнивает нынешний момент с изобретением научной статьи 350 лет назад: до этого учёные скрывали свои результаты, опасаясь, что их идею присвоят; после, появились архивы, рецензирование и конференции, и наука начала двигаться заметно быстрее. По её мнению, сейчас наука снова проходит через похожую поворотную точку, на этот раз благодаря ИИ.

Лю называет два фундаментальных недостатка традиционной статьи с точки зрения ИИ. Первый она называет «налогом на сторителлинг»: когда работа превращается в готовый текст статьи, теряется, по её оценке, 80% информации о ней, фиксируются только финальные 20%, а весь процесс, ключевые решения, неудачные попытки и мелкие доработки (иногда, один параметр или несколько строк кода, которые и дают итоговый прирост качества) в статью не попадают. Второй недостаток, «инженерный налог»: даже то, что всё-таки попало в статью, описано с потерями, язык слишком расплывчат либо не хватает деталей реализации и эксперимента, и поэтому воспроизвести чужую работу по одной статье часто невозможно.

На вопрос, почему бы вместо этого не научить ИИ подстраиваться под людей, например, самому расспрашивать исследователя о недостающих деталях, Лю отвечает, что один из компонентов ARA, «Live Research Manager», как раз решает эту задачу: это ИИ-наблюдатель, который добросовестно фиксирует весь ход исследования, поэтому самому учёному ничего специально документировать не нужно. Если в итоге всё равно нужна привычная статья в PDF, такую запись, по словам Лю, легко превратить обратно в связный, «причёсанный» текст.

Отдельный вопрос, как отлавливать ошибки и галлюцинации ИИ в такой системе. Лю указывает, что у человека ограниченная пропускная способность: вручную проверять весь код, результаты и анализ, которые генерирует ИИ, это узкое место. Вместо этого предлагается формальная система, которая объективно оценивает результаты работы ИИ, по сути, ещё один слой ИИ, который следит за работой «ИИ-учёных». Чтобы этот слой-супервайзер сам не галлюцинировал, Лю работает над формальной системой на нейросимволических методах (они соединяют нейросети, работающие с неструктурированными данными, и символический ИИ, оперирующий формальной логикой и понятиями). По её словам, для этой роли она сознательно не берёт ещё одну языковую модель: языковая модель, какой бы мощной она ни была, вероятностна по своей природе, а не логична, и потому всегда может галлюцинировать. Итоговая цель, превратить каждую научную статью в формальную систему, где любое утверждение записано как математическая формула и доказано системой, так что все утверждения в ней взаимно согласованы.

Отказ от «налога на сторителлинг» означает, что чужому взгляду становятся видны и ошибки, и тупиковые попытки, и растерянность исследователя, а к этому многие не готовы: люди не хотят выглядеть глупо. Лю считает это не проблемой, а возможностью: если ИИ, к примеру, впустую потратит 12 часов на бесперспективное направление (это её собственный гипотетический пример), человек, который курирует проект, может вмешаться и указать на ошибку, и это будет воспринято нормально, ведь так он как раз показывает, что способен грамотно направлять работу ИИ.

На вопрос, как долго за человеком сохранится эта направляющая роль, Лю отвечает: по её убеждению, именно в эту сторону движется работа во многих новых ИИ-лабораториях. Недавно она написала отдельную статью «The End of Human-in-the-Loop» («Конец человека в контуре»), где описывает, почему ожидает своего рода точку сингулярности: как только ИИ «выжмет» из людей все экспертные знания, он перестанет нуждаться в человеческом участии и начнёт развиваться дальше самостоятельно. Сейчас, по её словам, узкое место, это как раз человек: ИИ постоянно ждёт ввода от людей, но со временем ИИ будет брать на себя всё больше автономной работы.

На вопрос, как в таком случае молодые учёные будут получать опыт и знания, нужные, чтобы направлять исследования или хотя бы разбираться в них, Лю отвечает, что не согласна с опасением, будто о подготовке младших специалистов перестанут заботиться. По её мнению, рядом с ИИ люди учатся быстрее, поэтому старшие исследователи и инженеры никуда не денутся, просто их путь обучения будет совсем не таким, как у предыдущих поколений.

Ключевые факты

• 37 исследователей из порядка двух десятков университетов и технологических компаний опубликовали на arXiv статью «The Last Human-Written Paper» и предложили формат ARA (Agent-Native Research Artifact), запись научной работы, рассчитанную на ИИ-агента, а не на человека.
• Ведущий автор, Цзячэнь Лю: получила PhD по компьютерным наукам в Мичиганском университете в 2025 году, в мае стала соосновательницей стартапа Agent Native Research Lab в Пало-Альто.
• По оценке Лю, обычная статья теряет 80% информации о работе («налог на сторителлинг») и остаётся неполной даже в сохранившихся 20% («инженерный налог»), из-за этого чужую работу часто невозможно воспроизвести.
• Компонент ARA «Live Research Manager» должен автоматически фиксировать весь ход исследования, чтобы учёному не нужно было документировать его вручную; при желании такую запись легко превратить обратно в обычную статью в PDF.
• Для проверки результатов ИИ Лю предлагает не ещё одну языковую модель-супервайзера, а формальную систему на нейросимволических методах, где каждое утверждение доказывается как математическая формула.

Почему это важно

Статья фиксирует смену рамки: ИИ в исследованиях предлагают описывать не как инструмент, а как самостоятельного участника, который сам читает, воспроизводит и развивает чужие работы, и перестраивать под это нужно уже формат научной публикации, а не только сам процесс исследования. Лю формулирует это жёстко: по её оценке, языковые модели уже в 2026 году содержат почти полный объём знаний уровня бакалавриата и скоро дойдут до уровня PhD и профессоров, а значит, человек-исследователь перестанет добавлять ценность в этой роли. Это прогноз одного конкретного человека, а не консенсус индустрии, но он показывает, в какую сторону смотрят как минимум некоторые новые ИИ-лаборатории, включая её собственную.

Кому это важно

В первую очередь, исследователям и лабораториям, которые уже используют ИИ-агенты для кода и анализа данных и сталкиваются с проблемой воспроизводимости чужих результатов. Также, стартапам и командам, которые строят инфраструктуру «ИИ для науки» по примеру Agent Native Research Lab, научным журналам и организациям, которые думают о будущих форматах публикаций, и корпоративным подразделениям исследований и разработок, которые хотят сделать свои внутренние базы знаний удобными для ИИ-агентов.

Как это применить

Готового продукта для широкого использования пока нет: ARA, это предложенный формат и первый прототип инфраструктуры, а не готовый сервис. Практический пример уже есть, сама статья «The Last Human-Written Paper» опубликована в формате ARA, и её можно изучить как демонстрацию идеи. Дальше формат и связанные инструменты, включая «Live Research Manager», развивает стартап Лю, Agent Native Research Lab; в статье не приводятся ни цены, ни условия доступа, ни сроки, так что судить о том, когда и как это станет доступно другим исследователям, преждевременно.

Можно ли доверять

Часть материала проверяема в принципе: статья с 37 авторами и её версия в формате ARA, судя по описанию, реально существуют и опубликованы на arXiv, и сама заметка IEEE Spectrum даёт прямую ссылку на статью, на её идентификатор arXiv 2604.24658, так что свериться с оригиналом по этому тексту можно напрямую. Значительная часть материала, прямая речь одного человека, Цзячэнь Лю, которая одновременно и автор предложения, и сооснователь стартапа, заинтересованного в его успехе: её прогнозы о скорости роста ИИ, о «точке сингулярности» и о судьбе младших исследователей, личные предположения, а не установленные факты. Открытым остаётся и вопрос, примут ли формат ARA другие лаборатории, журналы и научное сообщество в целом, сама статья на него не отвечает.

Риски и подводные камни

Ключевая защита от ошибок и галлюцинаций ИИ в предложенной схеме, формальная система на нейросимволических методах, по словам Лю, ещё в разработке, а не готова; до её появления объективно проверять результаты «ИИ-учёных» некому, кроме человека с ограниченной пропускной способностью, которого сама Лю называет узким местом. Замена части рецензирования на «ещё один слой ИИ», который следит за ИИ, порождает вопрос, кто проверяет сам проверяющий слой. Отдельная тема, судьба подготовки младших учёных и инженеров: Лю с этим опасением не соглашается, но сам текст статьи его отдельно не разбирает, а лишь приводит её контраргумент. Наконец, весь сценарий явно движется к сокращению участия человека вплоть до «точки сингулярности», после которой ИИ перестанет нуждаться в человеческом вводе вовсе, а это направление многие в науке сочтут спорным по существу, а не только по срокам.

«ИИ-агенты становятся полноправными участниками исследовательских процессов, не инструментами, которые помогают людям, а автономными участниками, которые сами читают, воспроизводят и развивают научную работу. Такой переход требует инфраструктуры, изначально построенной вокруг агентов.»

— авторы статьи «The Last Human-Written Paper»