Thời đại AI: khi "người" nghiên cứu là AI và "người" đánh giá cũng là AI — vậy người thật ở đâu?

MỞ ĐẦU: BA CON SỐ CÙNG MỘT CÂU HỎI

Tháng 3 năm 2024, một nhóm nghiên cứu tại Đại học Stanford phân tích các bản phê bình gửi cho hội nghị quốc tế về học máy ICLR 2024. Kết quả: ít nhất 16,9% số bản phê bình có dấu hiệu được mô hình ngôn ngữ lớn (large language model, LLM) viết hoặc biên tập (Liang và cộng sự, 2024). Cùng thời điểm đó, một nghiên cứu khác đo “từ vựng thừa” đặc trưng của văn bản do AI tạo ra trong các tóm tắt bài báo y khoa trên PubMed năm 2024 và ước tính ít nhất 1% số tóm tắt đã qua tay AI, tỷ lệ ở một số nhóm tạp chí còn cao hơn (Kobak và cộng sự, 2024). Và trước đó ít lâu, nhóm nghiên cứu thuộc công ty Sakana AI phối hợp với Đại học Oxford và Đại học British Columbia đã trình làng một hệ thống tên AI Scientist (“Nhà khoa học AI”) tự đặt vấn đề, tự làm thí nghiệm, tự viết báo cáo khoa học và tự phê bình chính mình, với chi phí tính toán khoảng 15 đô la Mỹ mỗi bài (Lu và cộng sự, 2024).

Ba con số ấy xếp cạnh nhau cho thấy một điều mà khoa học thế giới đang phải nuốt dần: nghiên cứu có thể do máy làm, phê bình có thể do máy viết, và tốc độ lan truyền của cả hai đang nhanh hơn mọi quy định. Câu hỏi trong nhan đề bài này không phải câu hỏi tu từ. Nó là câu hỏi về trách nhiệm: khi cả hai đầu của quy trình khoa học đều có thể được thực hiện bởi một loại chủ thể không thể chịu trách nhiệm pháp lý hay đạo đức, thì phần việc nào thực sự vẫn phải thuộc về con người?

Bài viết trả lời câu hỏi đó theo bốn bước. Đầu tiên, nhìn thẳng vào bằng chứng rằng AI đã thực sự tham gia nghiên cứu ở cả hai vai. Thứ hai, phân tích những gì xảy ra khi AI đọc văn bản của AI: vòng lặp khép kín và các căn bệnh của nó. Thứ ba, mượn hai khung lý luận về trách nhiệm và kiểm soát để đặt lại vấn đề một cách chính xác. Cuối cùng, trả lời: người thật không biến mất, nhưng vị trí của họ thay đổi, và phần chuyển đi chính là phần quyết định khoa học còn là khoa học hay không.

PHẦN 1: KHI “NGƯỜI” NGHIÊN CỨU LÀ MÁY

Năm 2026, tạp chí Nature công bố công trình của nhóm Google DeepMind về một hệ thống mang tên “AI đồng nhà khoa học” (tên gốc: AI co-scientist): hệ đa tác tử tự đề xuất giả thuyết, tự phê duyệt lẫn nhau giữa các tác tử, và trong một dạng cụ thể đã đề xuất ứng viên tái sử dụng thuốc sau đó được kiểm chứng bước đầu trong thí nghiệm trên động vật (Gottweis và cộng sự, 2026). Cùng hướng đó, hệ SciAgents tự sinh chuỗi giả thuyết về vật liệu sinh học dựa trên đồ thị tri thức (Ghafarollahi và Buehler, 2024), còn phóng viên Ewen Callaway ghi nhận việc dùng ChatGPT để thiết kế công cụ chỉnh gen mới đã được kiểm nghiệm trong phòng thí nghiệm (Callaway, 2024). Ai còn nói AI chỉ “viết hộ văn bản” thì đã tụt lại sau thực tế ít nhất hai năm.

Nhưng chính phần “viết hộ văn bản” lại là nơi tác động rộng nhất, vì nó chạm vào hàng triệu nhà nghiên cứu bình thường thay vì vài phòng thí nghiệm lớn. Một khảo sát trên cộng đồng tác giả của tạp chí Hàn Quốc về chẩn đoán hình ảnh cho thấy rất đông nhà nghiên cứu dùng ChatGPT để cải thiện tiếng Anh học thuật, và đa số nhìn nhận đây là “món quà Prometheus” giúp san bằng khoảng cách ngôn ngữ với người bản ngữ (Hwang và cộng sự, 2023). Đó là mặt tốt, và phải nói rõ ràng mặt tốt: trong một hệ thống mà sự công nhận phụ thuộc nặng vào khả năng hành văn tiếng Anh, AI giúp nhiều nhà khoa học ngoài vùng chiếu sáng được lắng nghe. Vấn đề không nằm ở việc dùng AI để trợ giúp hành văn.

Vấn đề nằm ở ba tầng sâu hơn.

Tầng thứ nhất: nội dung bịa. Phân tích 84 danh mục tài liệu tham khảo do ChatGPT tạo ra cho thấy với GPT-3.5, 55% trích dẫn là hư cấu hoàn toàn, tức có tác giả giả, nhan đề giả, số trang giả; phiên bản GPT-4 sau đó giảm xuống 18% nhưng vẫn chưa sạch (Walters và Wilder, 2023). Một trích dẫn giả trông giống hệt một trích dẫn thật. Người viết biết điều đó chỉ khi họ tra lại từng mục, mà đúng là khâu mọi người lười tra nhất. Tháng 9 năm 2026, Retraction Watch ghi nhận chính nhóm biên tập một tạp chí về giáo dục đại học đồng tác giả một bài xã luận chứa tài liệu tham khảo không có thật (Retraction Watch, 2026): khi chính người gác cổng cũng không soát, tầng sóng ngầm về trích dẫn giả còn lớn hơn tầng nhìn thấy.

Tầng thứ hai: quy mô. Con số 1% trên PubMed (Kobak và cộng sự, 2024) nghe có vẻ nhỏ, nhưng PubMed mỗi năm lập chỉ mục hơn một triệu tóm tắt mới, nên một phần trăm đã là hàng chục nghìn bài mang dấu vệt biên tập bằng AI chỉ riêng trong nguồn dữ liệu y khoa lớn nhất thế giới, ở giai đoạn mà chưa có tạp chí nào bắt buộc tuyên bố đầy đủ. Tầng thứ ba: động cơ kinh tế. Từ trước khi có AI, ngành xuất bản đã phải đối mặt với “xưởng bài báo” (paper mill), tức đường dây sản xuất bài báo giả quy mô công nghiệp để bán chỗ tác giả; nghiên cứu điều tra trên các số đặc biệt của một nhóm tạp chí Hindawi đã phơi bày các bất thường về cộng tác và trích dẫn vòng đặc trưng của loại hình này (Abalkina, 2023). Năm 2023, thế giới lập kỷ lục buồn với hơn 10.000 bài báo bị rút trong một năm (Van Noorden, 2023). Vấn đề đạo đức của việc để máy viết thay bài báo khoa học đã được đặt ra từ chính thời điểm ChatGPT xuất hiện (Lund và cộng sự, 2023), và phân tích rủi ro cho thấy AI không tạo ra động cơ làm giả, nhưng nó giảm chi phí sản xuất văn bản trông khả tín xuống gần bằng không, trong khi hệ thống kiểm soát thì vẫn chạy bằng công sức tay chân của biên tập viên và phản biện không công (Kendall và Teixeira da Silva, 2023). Cung tăng, cầu kiểm soát giữ nguyên.

PHẦN 2: KHI “NGƯỜI” PHÊ BÌNH CŨNG LÀ MÁY

Phản biện (peer review) từ lâu giữ vai trò trung tâm của khoa học vì một lý do đơn giản: nó là cơ chế xã hội duy nhất bắt từng công trình phải vượt qua ánh mắt hoài nghi của những người giỏi nhất trong chuyên ngành trước khi được công nhận. Cơ chế ấy đang quá tải từ lâu, và chính sự quá tải này tạo khe hở cho AI tràn vào phía bên kia.

Con số 16,9% bản phê bình ICLR 2024 có dấu vệt AI (Liang và cộng sự, 2024) phải đọc trong bối cảnh đó: hội nghị lớn nhất ngành học máy nhận vài nghìn bài mỗi năm, mỗi bài cần ba đến bốn bản phê bình, và mời đủ phản biện chất lượng đã thành bài toán nan giải. Trong bối cảnh đó, các tạp chí và nhà xuất bản lớn bắt đầu thí điểm dùng AI hỗ trợ khâu tầm soát ban đầu hoặc kiểm tra hình thức (Conroy, 2023; Baker, 2024); các công trình nghiên cứu đo GPT-4 sàng lọc bài cho tổng quan hệ thống thấy khả năng tương đương con người ở nhiều tiêu chí, nhưng vẫn bỏ sót và chọn nhầm ở những bài ranh giới (Khraisha và cộng sự, 2024). Câu hỏi đặt ra từ năm 2023, khi hai học giả phân tích vấn đề này, đến nay vẫn còn nguyên: dùng AI chống mỏi phản biện thì được, nhưng làm sao để nó không khuếch đại thiên lệch sẵn có của hệ thống (Hosseini và Horbach, 2023)?

Nghiên cứu cho thấy lý do lo ngại không phải đa nghi vô ích. Tổng quan hệ thống về việc dùng LLM làm giám khảo (LLM-as-a-judge) cho thấy nhiều loại thiên lệch xuất hiện có hệ thống: thiên lệch vị trí (đánh giá khác nhau tùy câu trả lời đứng trước hay đứng sau), thiên lệch dài dòng (ưu tiên câu trả lời dài hơn bất chấp chất lượng), và đáng chú ý nhất là thiên lệch tự ưu ái: mô hình có xu hướng chấm cao hơn văn bản do chính dòng mô hình đó tạo ra (Gu và cộng sự, 2024). Một hệ thống mô phỏng phản biện bằng tác tử LLM tái hiện được cả những động thái xã hội của hội đồng thật, từ mức khắt khe theo vòng đàm phán đến ảnh hưởng của uy tín (Jin và cộng sự, 2024): mô phỏng tốt đến vậy đồng nghĩa máy học được cả “chính trị hội đồng”, chứ không chỉ “đánh giá khoa học”. Các nỗ lực cải tiến như DeepReview, đưa quy trình “suy nghĩ sâu” nhiều bước vào bản phê bình của LLM, cải thiện được độ hữu ích của nhận xét (Zhu và cộng sự, 2025), nhưng một nghiên cứu rà soát chuyên sâu vẫn kết luận LLM chưa đủ tin cậy để giao vai trò phản biện độc lập: chúng bỏ sót sai sót thực chất về số liệu và lập luận, và cho kết quả thiếu ổn định giữa các lần chạy (Ye và cộng sự, 2024).

Giữa hai luồng đó, thế giới chính thống đã bắt đầu dựng rào. Một số bài báo thật sự liệt kê ChatGPT vào danh sách tác giả, và ngay sau đó các nhà xuất bản lớn đồng loạt phản đối (Stokel-Walker, 2023). Tòa soạn Nature ban hành quy tắc: không dùng AI làm tác giả, mọi sử dụng phải tuyên bố (Tòa soạn Nature, 2023). Tổng biên tập tạp chí Science viết thẳng: công nghệ “vui đấy, nhưng không phải là tác giả”, vì tác giả là người gánh trách nhiệm, mà phần mềm thì không thể gánh thứ gì (Thorp, 2023). Ủy ban Đạo đức Xuất bản (COPE) ra tuyên bố vị thế: công cụ AI không đủ điều kiện làm tác giả và người viết chịu trách nhiệm toàn bộ về nội dung có AI tham gia (COPE, 2023). Nhóm chuyên gia của Ủy ban Quốc tế về Chuẩn mực Biên tập Y khoa (ICMJE) cũng đưa quy định tương tự vào bộ khuyến nghị: AI không được coi là tác giả, người viết phải công khai cách dùng và chịu mọi trách nhiệm (ICMJE, 2023). Rào là có rào rồi. Nhưng cứ nhìn kỹ: toàn bộ hệ rào này đều quy về một điểm duy nhất, trách nhiệm của con người. Đó không phải trùng hợp, đó là manh mối cho câu trả lời ở Phần 5.

PHẦN 3: VÒNG LẮP KHÉP KÍN — KHI AI ĐỌC VĂN BẢN CỦA AI

Hãy hình dung kịch bản không còn là giả thuyết: bài báo do AI trợ giúp viết, nộp vào hệ thống, tóm tắt bằng AI để biên tập viên chọn phản biện, bản phê bình do AI soạn, phần phê bình lại được tác giả nhờ AI viết phản hồi. Mỗi mắt xích đều “hợp lệ”. Nhưng chuỗi đã khép kín: không còn mắt xích nào bắt buộc có người thật đọc kỹ toàn bộ. Khoa học gọi đây là vấn đề đầu vào ô nhiễm, và các bằng chứng đã có sẵn.

Thứ nhất, sự đồng đều hóa. Thí nghiệm trên hàng trăm người viết câu chuyện cho thấy khi được AI hỗ trợ, mỗi cá nhân viết hay hơn và mới hơn, nhưng tập thể thì nghèo đi: các sản phẩm ngày càng giống nhau, độ đa dạng tổng thể giảm rõ rệt (Doshi và Hauser, 2024). AI nâng chất trung bình của mỗi người, đồng thời kéo mọi người về cùng một phía trung bình. Với sáng tác, đó là vấn đề thị hiếu. Với khoa học, đó là vấn đề nhận thức: khoa học tiến bộ nhờ ý tưởng lệch chuẩn, và hệ thống nào tối ưu hóa mức trung bình sẽ tự triệt tiêu chính nguồn đột phá của mình.

Thứ hai, sự chói lệch nội dung. Khi nghiên cứu cách con người viết bài bách khoa với trợ lý AI, nhóm tác giả phát hiện các bài có AI tham gia tập trung quá mức vào những chi tiết mà mô hình “quen” và bỏ sót những chi tiết khác (Shao và cộng sự, 2024). Văn bản do AI trợ giúp không chỉ đều hơn mà còn nghiêng theo cùng một hướng. Một hệ thống phê bình cũng dùng AI sẽ khó nhận ra độ nghiêng đó, vì nó nghiêng theo cùng hướng.

Thứ ba, nguy cơ suy thoái mô hình. Bài báo trên Nature năm 2024 chứng minh khi mô hình được huấn luyện lặp lại trên dữ liệu do các thế hệ mô hình trước tạo ra, chất lượng và độ đa dạng dữ liệu suy giảm dần theo thế hệ: đuôi phân bố biến mất, các dạng hiếm mất đi, đầu ra hội tụ về lặp lại (Shumailov và cộng sự, 2024). Dữ liệu do con người tạo ra, với đủ sai lầm, lạc đề và kỳ dị, chính là tài nguyên đang bị khai thác không bù đắp.

Thứ tư, khả năng “AI soi AI” cũng không đáng tin như kỳ vọng. Bảy công cụ phát hiện văn bản AI, khi thử trên bài luận TOEFL của người học tiếng Anh không bản ngữ, gắn nhãn AI sai cho trung bình 61,3% số bài, trong khi phân loại chính xác hơn 90% bài của người bản ngữ (Liang và cộng sự, 2023). Trình phát hiện không phát hiện “AI”, nó phát hiện “văn bản không mượt theo kiểu bản ngữ”. Đem công cụ này ra “bắt gian” trong môi trường học thuật là trực tiếp thiên vị người viết không bản ngữ, tức đa số nhà khoa học trên thế giới, kể cả Việt Nam.

Ghép lại: đầu ra đồng đều hơn, nghiêng lệch cùng hướng, và công cụ kiểm soát thì mù với chính các đặc trưng đó. Vòng lặp không làm khoa học sụp đổ ngay. Nó làm khoa học rỗng dần bên trong khi vỏ ngoài vẫn bóng lưỡng. Đó là lý do cần một khung suy nghĩ nghiêm túc hơn là “cho dùng” hay “cấm dùng”.

PHẦN 4: KHOẢNG TRỐNG TRÁCH NHIỆM VÀ “KIỂM SOÁT CÓ Ý NGHĨA”

Hơn hai mươi năm trước, khi máy học còn thô sơ, nhà triết học Andreas Matthias đã chỉ ra một căn bệnh cấu trúc: hệ thống học máy hành động theo cách không ai, kể cả nhà chế tạo, dự đoán trước được; các khái niệm trách nhiệm truyền thống đều quy về người có thể kiểm soát hành vi, nên khi không ai kiểm soát được thì trách nhiệm rơi vào khoảng trống (Matthias, 2004). Ông gọi đó là “khoảng trống trách nhiệm” (responsibility gap). Nếu AI Scientist viết một bài báo sai về mặt đạo đức: ai vi phạm? Người bấm nút chạy, người cung cấp phần cứng, người huấn luyện mô hình, hay “tác giả” không tồn tại?

Năm 2018, hai nhà nghiên cứu đề xuất tiêu chuẩn để lấp khoảng trống đó đối với hệ tự hành, gọi là kiểm soát có ý nghĩa (meaningful human control), gồm hai điều kiện (Santoni de Sio và van den Hoven, 2018). Một, điều kiện theo dõi: hệ thống phải phản ánh được những lý do đạo đức của con người, tức thiết kế và vận hành phải bám theo các giá trị mà người ta có thể nêu ra, tranh luận và bảo vệ. Hai, điều kiện truy vết: mọi hành vi của hệ thống phải truy ngược được về một người hoặc một chuỗi người cụ thể, những người hiểu rõ hệ thống và có cơ hội can thiệp.

Chuyển hai điều kiện này sang nghiên cứu học thuật, chuẩn mực trở nên cụ thể đến bất ngờ. “Theo dõi” nghĩa là: mục tiêu nghiên cứu, khung lý thuyết, tiêu chí kết luận phải do người chọn và người bảo vệ được trước hội đồng; AI được phép tối ưu đường đi, không được phép chọn đích đến. “Truy vết” nghĩa là: mỗi kết quả, mỗi đoạn văn, mỗi trích dẫn trong một công trình phải có một cái tên người chịu trách nhiệm về nó; việc dùng AI phải tuyên bố đủ chi tiết để người đọc tái lập được đâu là phần máy góp. Đối chiếu sẽ thấy: các quy định của COPE, ICMJE, Nature và Science ở Phần 2, dù viết bằng ngôn ngữ khác, thực chất đều đang dựng lại hai điều kiện này từng mảnh. Nhóm tác giả bản “năm ưu tiên” trên Nature kêu gọi gấp: quy định minh bạch về cách dùng AI, cơ chế công khai tương ứng, và một diễn đàn quốc tế cùng các hình thức kiểm soát độc lập (Van Dis và cộng sự, 2023). Toàn là hạ tầng cho “truy vết”.

PHẦN 5: VẬY NGƯỜI THẬT Ở ĐÂU?

Trả lời thẳng: người thật ở bốn vị trí mà máy không đứng được, và nhiệm vụ của thời đại này là tổ chức lại công việc khoa học quanh bốn vị trí đó thay vì tranh cãi cho phép hay cấm.

Vị trí thứ nhất: người đặt câu hỏi. AI trả lời giỏi nhưng chọn vấn đề kém, vì chọn vấn đề đòi hỏi biết cái gì đáng quan tâm, đau ở đâu, và cái gì chưa được ai hỏi. Trong mọi hệ thống từ AI Scientist đến “AI đồng nhà khoa học”, hàm mục tiêu và không gian vấn đề vẫn do người định nghĩa (Lu và cộng sự, 2024; Gottweis và cộng sự, 2026). Người thật ở chỗ đó, và đào tạo người đặt câu hỏi tốt là đào tạo cho thời đại AI, không phải đào tạo cho thời kỳ tiền AI (Kasneci và cộng sự, 2023).

Vị trí thứ hai: người gánh chữ ký. Chữ ký không phải thủ tục. Đó là khai báo “tôi đã kiểm tra và chịu trách nhiệm”. Vì công cụ không thể chịu trách nhiệm (Thorp, 2023) nên trao tác quyền cho công cụ là trao trách nhiệm vào khoảng trống (Matthias, 2004). Mọi quy định hiện hành đều đã hội tụ về điểm này (COPE, 2023; ICMJE, 2023). Trường nào, hội đồng nào cho phép “AI làm hộ toàn bộ” mà vẫn có người ký, là tự làm giả chữ ký.

Vị trí thứ ba: người định giá trị. Phản biện không phải xử lý văn bản, là phán đoán về tầm quan trọng, độ tin cậy và hệ quả. LLM chưa làm nổi việc này một cách ổn định (Ye và cộng sự, 2024), còn khi làm giám khảo thì mang theo các thiên lệch riêng (Gu và cộng sự, 2024). Con người phản biện sai nhiều, nhưng chỉ con người phản biện có thể bị chất vấn, bị yêu cầu giải thích và bị đổi sau khi tranh luận. Chất lượng của phản biện không nằm ở điểm số, nằm ở khả năng phải chịu sự phản biện ngược lại. Đó là đặc quyền của chủ thể, không phải của công cụ.

Vị trí thứ tư: người giữ dữ liệu gốc. Khi văn bản có thể sinh ra tràn lan, thứ khan hiếm chuyển từ “có bài viết” sang “có dữ liệu thật”: thí nghiệm được thực hiện, số liệu đo được, hiện trường khảo sát, ghi chú phòng thí nghiệm. Người nghiên cứu tạo ra dữ liệu gốc là đang tạo ra thứ mà hệ thống AI không tự tạo được cho chính mình, và là phần duy nhất chống lại suy thoái mô hình theo thời gian (Shumailov và cộng sự, 2024). Về mặt chính sách trường học, dữ liệu gốc cần được coi là tài sản cần lưu giữ và tôn vinh, không phải chi phí phụ.

[Phân tích của tác giả] Đối với Việt Nam, bốn vị trí đó dịch được thành năm việc cụ thể. Một, tạp chí trong nước cần tuyên bố chính sách AI rõ ràng theo chuẩn COPE và ICMJE: cấm tác giả AI, bắt buộc công khai mức độ sử dụng, và đây là việc chẳng tốn kém công nghệ nào. Hai, hội đồng khoa học, hội đồng chấm luận văn cần thêm một câu hỏi tiêu chuẩn: phần nào do AI làm, ai đã kiểm tra lại phần đó, và đặt quy tắc truy vết: mọi đầu ra phải truy được về một con người. Ba, đào tạo sinh viên và giảng viên năng lực kiểm chứng: tra lại trích dẫn, đối chiếu số liệu, phản biện chéo người và máy, thay vì chỉ dạy cách ra lệnh cho AI. Bốn, tuyệt đối không dùng công cụ phát hiện AI làm bằng chứng kết tội, nhất là với văn bản của người viết tiếng Anh không bản ngữ, vì độ sai kiểu 61,3% nêu trên là tình huống của chính người Việt Nam khi công bố quốc tế (Liang và cộng sự, 2023). Năm, khen thưởng và bảo vệ việc tạo dữ liệu gốc: quỹ, tạp chí, trường cần xếp nó lên trên bài viết đẹp mà dữ liệu mỏng. Những việc này không cần đợi quy định pháp lý nào, và đơn vị nào làm trước sẽ đi trước về năng lực và uy tín.

KẾT: CÁI GIÁ CỦA MỘT CHỮ KÝ

Quay lại nhan đề: khi người nghiên cứu là AI và người đánh giá cũng là AI, người thật ở đâu? Câu trả lời của bài này: người thật ở những vị trí mà từ “ở đâu” chuyển thành “phải ở”: đặt câu hỏi, ký tên, định giá trị, giữ dữ liệu thật. Nền khoa học nào tổ chức công việc tốt quanh bốn vị trí đó, nền khoa học đó dùng AI như bàn đạp. Nền nào để bốn vị trí rỗng, nền đó có thể vẫn ra báo đều, chỉ số vẫn tăng, nhưng bên trong là văn bản mô hình viết cho mô hình đọc, và đến một ngày, người thật sẽ không còn ở đó nữa vì chẳng còn việc gì cho người thật làm. Khoa học chưa bao giờ được định nghĩa là “nơi sản xuất văn bản”. Nó được định nghĩa là “nơi con người chịu trách nhiệm về sự thật”. Phần còn lại của AI, kể cả phần hữu ích nhất, chỉ là bản nháp.

TÀI LIỆU THAM KHẢO

1. Abalkina, A. (2023). Publication and collaboration anomalies in academic papers originating from a paper mill: Evidence from a Russian paper mill. Learned Publishing. https://doi.org/10.1002/leap.1574
2. Baker, S. (2024). Rise of ChatGPT and other tools raises major questions for research. Nature. https://doi.org/10.1038/d41586-024-02984-4
3. Callaway, E. (2024). “ChatGPT for CRISPR” creates new gene-editing tools. Nature. https://doi.org/10.1038/d41586-024-01243-w
4. COPE (2023). Authorship and AI tools: COPE position. https://publicationethics.org/guidance/cope-position/authorship-and-ai-tools
5. Conroy, G. (2023). How ChatGPT and other AI tools could disrupt scientific publishing. Nature. https://doi.org/10.1038/d41586-023-03144-w
6. Doshi, A. R., Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances. https://doi.org/10.1126/sciadv.adn5290
7. Ghafarollahi, A., Buehler, M. J. (2024). SciAgents: Automating Scientific Discovery Through Bioinspired Multi-Agent Intelligent Graph Reasoning. Advanced Materials. https://doi.org/10.1002/adma.202413523
8. Gottweis, J., Weng, W.-H., Daryin, A., và cộng sự (2026). Accelerating scientific discovery with Co-Scientist. Nature. https://doi.org/10.1038/s41586-026-10644-y
9. Gu, J., Jiang, X., Shi, Z., và cộng sự (2024). A Survey on LLM-as-a-Judge. arXiv:2411.15594.
10. Hosseini, M., Horbach, S. P. J. M. (2023). Fighting reviewer fatigue or amplifying bias? Considerations and recommendations for use of ChatGPT and other LLMs in scholarly peer review. Research Integrity and Peer Review. https://doi.org/10.1186/s41073-023-00133-5
11. Hwang, S. I., Lim, J. S., Lee, R. W., và cộng sự (2023). Is ChatGPT a “Fire of Prometheus” for Non-Native English-Speaking Researchers in Academic Writing? Korean Journal of Radiology. https://doi.org/10.3348/kjr.2023.0773
12. ICMJE (2023). Recommendations for the Conduct, Reporting, Editing, and Publication of Scholarly Work in Medical Journals. https://www.icmje.org/recommendations/
13. Jin, Y., Zhao, Q., Wang, Y., và cộng sự (2024). AgentReview: Exploring Peer Review Dynamics with LLM Agents. Proceedings of EMNLP 2024. https://doi.org/10.18653/v1/2024.emnlp-main.70
14. Kasneci, E., Sessler, K., Küchemann, S., và cộng sự (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences. https://doi.org/10.1016/j.lindif.2023.102274
15. Kendall, G., Teixeira da Silva, J. A. (2023). Risks of abuse of large language models, like ChatGPT, in scientific publishing. Learned Publishing. https://doi.org/10.1002/leap.1578
16. Khraisha, Q., Put, S., Kappenberg, J., và cộng sự (2024). Can large language models replace humans in systematic reviews? Evaluating GPT-4’s efficacy in screening titles and abstracts. Research Synthesis Methods. https://doi.org/10.1002/jrsm.1715
17. Kobak, D., González-Márquez, R., Horvát, É.-Á., Lause, J. (2024). Delving into LLM-assisted writing in biomedical publications through excess vocabulary. arXiv:2406.07016.
18. Liang, W., Yüksekgönül, M., Mao, Y., Wu, E., Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns. https://doi.org/10.1016/j.patter.2023.100779
19. Liang, W., Izzo, Z., Zhang, Y., và cộng sự (2024). Monitoring AI-Modified Content at Scale: A Case Study on the Impact of ChatGPT on AI Conference Peer Reviews. arXiv:2403.07183.
20. Lu, C., Lu, C., Lange, R. T., Foerster, J., Clune, J. (2024). The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery. arXiv:2408.06292.
21. Lund, B. D., Wang, T., Mannuru, N. R., và cộng sự (2023). ChatGPT and a new academic reality: Artificial Intelligence-written research papers and the ethics of the large language models in scholarly publishing. Journal of the Association for Information Science and Technology. https://doi.org/10.1002/asi.24750
22. Matthias, A. (2004). The responsibility gap: Ascribing responsibility for the actions of learning automata. Ethics and Information Technology. https://doi.org/10.1007/s10676-004-3422-1
23. Santoni de Sio, F., van den Hoven, J. (2018). Meaningful Human Control over Autonomous Systems: A Philosophical Account. Frontiers in Robotics and AI. https://doi.org/10.3389/frobt.2018.00015
24. Shao, Y., Jiang, Y., Kanell, T. A., và cộng sự (2024). Assisting in Writing Wikipedia-like Articles From Scratch with Large Language Models. arXiv:2402.14207.
25. Shumailov, I., Shumaylov, Z., Zhao, Y., Papernot, N., Anderson, R., và cộng sự (2024). AI models collapse when trained on recursively generated data. Nature. https://doi.org/10.1038/s41586-024-07566-y
26. Stokel-Walker, C. (2023). ChatGPT listed as author on research papers: many scientists disapprove. Nature. https://doi.org/10.1038/d41586-023-00107-z
27. Tòa soạn Nature (2023). Tools such as ChatGPT threaten transparent science; here are our ground rules for their use. Nature. https://doi.org/10.1038/d41586-023-00191-1
28. Thorp, H. H. (2023). ChatGPT is fun, but not an author. Science. https://doi.org/10.1126/science.adg7879
29. Van Dis, E. A. M., Bollen, J., Zuidema, W., van Rooij, R., Bockting, C. L. (2023). ChatGPT: five priorities for research. Nature. https://doi.org/10.1038/d41586-023-00288-7
30. Van Noorden, R. (2023). More than 10,000 research papers were retracted in 2023 — a new record. Nature. https://doi.org/10.1038/d41586-023-03974-8
31. Walters, W. H., Wilder, E. I. (2023). Fabrication and errors in the bibliographic citations generated by ChatGPT. Scientific Reports. https://doi.org/10.1038/s41598-023-41032-5
32. Ye, R., Pang, X., Chai, J., và cộng sự (2024). Are We There Yet? Revealing the Risks of Utilizing Large Language Models in Scholarly Peer Review. arXiv:2412.01708.
33. Zhu, M., Weng, Y., Yang, L., và cộng sự (2025). DeepReview: Improving LLM-based Paper Review with Human-like Deep Thinking Process. Proceedings of ACL 2025. https://doi.org/10.18653/v1/2025.acl-long.1420
34. Retraction Watch (2026). Editors of higher education journal coauthor editorial with fake references. https://retractionwatch.com/2026/09/08/editors-of-higher-education-journal-coauthor-editorial-with-fake-references/