Google predstavlja AI tražilicu za znanstvene radove, no način rangiranja otvara važna pitanja

Google je pokrenuo eksperimentalnu AI tražilicu unutar projekta Scholar Labs, a cilj joj je pomoći istraživačima da brže i preciznije pronađu odgovore na kompleksna znanstvena pitanja. Za razliku od klasičnog Google Scholara, koji već godinama služi kao standardni alat za pretraživanje akademske literature, nova usluga u samom je središtu promjene — ali i rasprava. Kako ističe The Verge, dio znanstvene zajednice skeptičan je prema načinu na koji novi sustav određuje kvalitetu i relevantnost znanstvenih radova.

Nova metoda rangiranja – manje o popularnosti, više o semantici

Za razliku od tradicionalnog rangiranja, koje se uvelike oslanja na broj citata i faktor utjecaja časopisa, AI tražilica koristi semantičku analizu: odnose među riječima, strukturu teksta, teme i kontekst dokumenata. Drugim riječima, sustav pokušava razumjeti što rad zapravo kaže, a ne samo koliko je citiran. To izaziva ključnu dilemu. Može li znanstvena zajednica vjerovati alatu koji se manje oslanja na dokazane bibliometrijske metode, a više na umjetnu inteligenciju i tekstualne odnose? S obzirom na to da ne postoji univerzalan, općeprihvaćen standard koji jasno razdvaja “dobre” od “slabijih” studija, Googleova promjena za mnoge je znanstvenike korak u nepoznato.

Zašto su broj citata i faktor utjecaja dugo bili temelj rangiranja?

Tradicionalne akademske metrike funkcioniraju relativno jednostavno:

• Broj citata – mjeri koliko se puta rad spominje u drugim studijama. Češće se citiraju radovi koji su utjecajniji, važniji ili kontroverzniji, ali metriku snažno iskrivljuje vrijeme jer novi radovi tek skupljaju citate, dok stariji radovi iz 90-ih mogu imati tisuće citata.
• Faktor utjecaja časopisa (impact factor) – prosječan broj citata članaka objavljenih u tom časopisu predstavlja reputaciju i rigoroznost uredništva.

Primjeri:
Applied Sciences: IF ≈ 2,5
Nature: IF ≈ 48,5

Google Scholar je do sada omogućavao rangiranje prema relevantnosti, ali je kod svakog rezultata jasno prikazivao ukupan broj citata — što je istraživačima davalo dodatni sloj konteksta.

Googleov novi pristup: “najkorisniji radovi”, a ne samo najcitiraniji

Google tvrdi da je glavni cilj AI sustava otkriti radove koje bi istraživači doista trebali vidjeti, a ne samo one koji su stekli veliku popularnost u akademskom svijetu. Novi algoritam uzima u obzir puni tekst članka, kontekst i odnose među pojmovima, autoritet autora, mjesto objave, starost i učestalost citiranja (ali ne kao izolirani kriterij). Drugim riječima, Google ne odbacuje citate — samo ih stavlja u širi, semantički okvir. Tvrtka objašnjava da prevelika oslonjenost na citate može biti problematična, osobito u područjima poput interdisciplinarnih istraživanja, novih znanstvenih polja, radova iz manje poznatih časopisa i radova objavljenih u zadnjih nekoliko mjeseci.
Takvi su radovi često vrlo vrijedni, ali ih stari sustavi rangiranja mogu zanemariti.

Je li ovo doista bolje? Znanstvena zajednica podijeljena

Kritičari upozoravaju da nije jasno kako AI procjenjuje kvalitetu studije. Semantička analiza može favorizirati stil pisanja umjesto metodološke čvrstoće, algoritmi mogu pojačati postojeće pristranosti i “slijepe točke” AI modela dok nedostatak transparentnog rangiranja otežava provjeru kvalitete izvora. Drugim riječima, ako se uklone jasni pokazatelji poput broja citata ili faktora utjecaja, istraživači se više moraju osloniti na Googleov “black box”.

Google: “Ovo je tek početak, želimo povratne informacije”

Google naglašava da se radi o novom smjeru u razvoju znanstvenog pretraživanja i da će aktivno uključivati istraživače u daljnju izgradnju sustava. Također, korisnici i dalje mogu posebno tražiti nedavne radove, što omogućuje fokus na aktualnu literaturu. Tvrtka poručuje da je cilj stvoriti model koji oponaša način na koji znanstvenici intuitivno čitaju radove — gledajući širu sliku, a ne samo jednu brojku.

Zaključak: važna inovacija, ali s otvorenim pitanjima

AI-bazirana verzija Google Scholara ima potencijal otključati potpuno novi način pretraživanja znanstvene literature, ali u isto vrijeme otvara i niz osjetljivih pitanja o transparentnosti, objektivnosti i vjerodostojnosti rezultata. Ako Google uspije iskoristiti povratne informacije istraživača i poboljšati transparentnost algoritma, ovo bi mogao biti najveći napredak u akademskom pretraživanju u posljednjih 20 godina.
Ako ne uspije — postoji rizik da će ključni radovi biti zakopani ispod algoritamskih pretpostavki koje korisnici ne mogu vidjeti.