AI ‘భూత’ పేర్లు అకడెమిక్ ప్రచురణలోకి చొరబడుతున్నాయి

కల్పిత నిపుణులు ఆన్‌లైన్‌లో నిజమైన ముద్రలు వదులుతున్నారు

ఒక కొత్త preprint generative AI యొక్క ఒక విచిత్రమైన ఉపఫలితంపై హెచ్చరిస్తోంది: భాషా మోడళ్లు అదే కల్పిత గుర్తింపులను అంతగా పునరావృతం చేస్తున్నాయి, అవి అకడెమిక్ మరియు ఆన్‌లైన్ రికార్డుల కొన్ని భాగాలను కలుషితం చేయడం ప్రారంభించాయి. 2026 ఆగస్టు 27న ప్రచురితమైన నివేదిక ప్రకారం, Elena Vasquez మరియు Marcus Chen వంటి పేర్లు నిజమైన వ్యక్తులకు చెందనప్పటికీ, వందల AI-నిర్మిత పేపర్లు, articles మరియు పుస్తకాలలో కనిపించాయి.

Samsung మరియు University of Warsaw కు చెందిన పరిశోధకులు ఈ పునరావృత గుర్తింపులను ఒక రకమైన AI haunting గా వివరిస్తున్నారు. వారి ప్రధాన వాదన కేవలం పెద్ద language models పేర్లు సృష్టిస్తాయని కాదు, అది ఊహించినదే; బదులుగా, అవి ఒకే రకమైన సందర్భాల్లో అదే పేర్లను పదే పదే సృష్టించే ధోరణి చూపుతున్నాయని. కాలక్రమేణా, ఆ పునరావృతం search results, repositories మరియు పైకి చూస్తే న్యాయంగా అనిపించే publications లో తప్పుడు అధికారం నాటగలదు.

పేర్లు నమ్మకాన్ని మోస్తాయి కాబట్టి ఇది ముఖ్యమైనది. అకడెమిక్ ప్రచురణ మరియు పరిశోధనా కమ్యూనికేషన్‌లో, పాఠకులు తరచుగా రచయిత పేరు, సంస్థాగత పాత్ర లేదా అంశ పరిజ్ఞానాన్ని credibility కోసం ఒక shortcut గా వాడతారు. AI systems పదేపదే నమ్మదగినట్లుగా వినిపించే నిపుణులను సృష్టించి, ఆ పేర్లు అధికారిక పత్రాల్లా కనిపించే documents లోకి చేరితే, fabricated content మరియు నిజమైన scholarly record మధ్య గోడ మరింత సన్నగిల్లుతుంది.

పునరావృత పేర్ల నమూనాలు ఎలా ఏర్పడతాయి

ఈ పేపర్ రచయితలు correlated name priors అని పిలిచే దానిపై దృష్టి పెడుతోంది. సూటిగా చెప్పాలంటే, కొన్ని models కల్పిత గుర్తింపులను యాదృచ్ఛికంగా సృష్టించవు. ప్రత్యేక రకాల experts, authors లేదా characters కోసం అడిగినప్పుడు, అవి కొన్ని పేర్ల వైపు మొగ్గు చూపుతున్నాయి. నివేదికలో అనేక ఉదాహరణలు ఉన్నాయి: Elena Vasquez, Marcus Chen, Elara Voss, Aris Thorne, Lena Petrova మరియు Elena Amara Okafor—model మరియు prompt context ను బట్టి—అసాధారణ నియమితత్వంతో కనిపిస్తున్నాయని చెబుతున్నారు.

ఈ ఘటన ఒక్కో పేరుకే పరిమితం కాదు. పరిశోధకుల ప్రకారం models “correlated character ensembles” కూడా సృష్టిస్తాయి, అంటే కొన్ని పేర్లు ఒకే సమూహంగా కనిపించే అవకాశం ఎక్కువ. దీని అర్థం, models వేర్వేరు labels ను మాత్రమే పునరావృతం చేయడం లేదు, identity patterns సమూహాలను కూడా తిరిగి ఉత్పత్తి చేస్తున్నాయి. అలా జరిగితే, fake authorship మరింత పెద్ద స్థాయిలో సాధ్యమవుతుంది. అకడెమిక్-శైలి text, పుస్తకాలు, జీవితచరిత్రలు లేదా websites తయారు చేసే వినియోగదారుడికి అదే అధికారికంగా అనిపించే invented people తిరిగి తిరిగి దొరకవచ్చు.

ఈ సమస్యను మరింత తీవ్రతరం చేసేది దీని నిలకడ. ఒక AI output లో తయారైన fake expert తనంతట తాను చిన్న విషయంలా అనిపించవచ్చు. కానీ అదే గుర్తింపు repositories, websites మరియు documents లో మళ్లీ కనిపిస్తే, అది ఒక digital footprint ను కూడబెట్టుతుంది. అప్పుడు search engines మరియు citation systems ఆ భ్రమను మరింత పెంచి, ఒక source fabricated అయిందా లేక కేవలం అరుదైనదా అని పాఠకులు నిర్ణయించడం కష్టంగా మారుతుంది.

మోడల్‌ విచిత్రత నుండి ప్రచురణ సమస్య వరకు

ఈ article ఆ నమూనాను నేరుగా అకడెమిక్ ప్రచురణ మౌలిక సదుపాయాలతో అనుసంధానిస్తోంది. model తరచుగా సృష్టిస్తాయని తమకు తెలిసిన పేర్లను పరిశోధకులు databases లో వెతికారని, ఆ పేర్లు AI-generated materials విస్తృత సమూహంలో కనిపించాయని నివేదించారు. చెప్పబడిన అత్యంత గమనార్హ ఉదాహరణలలో ఒకటి Zenodo, CERN నిర్వహించే repository, ఇది నిజమైన DataCite DOIs జారీ చేస్తుంది. team ghost authors కి కేటాయించిన, fabricated publication dates ఉన్న nonexistent journals కు అనుసంధానమైన 1,655 records ను గుర్తించిందని చెబుతోంది.

ఈ వివరానికి ప్రాముఖ్యం ఉంది, ఎందుకంటే scholarly communication లో DOI అనేది legitimacy కు బలమైన సంకేతాలలో ఒకటి. ఇది నాణ్యతకు హామీ ఇవ్వదు, కానీ ఒక record ఒక organized publishing మరియు indexing ecosystem లోకి ప్రవేశించిందని సూచిస్తుంది. fabricated journals, dates మరియు authors నిజమైన DOI infrastructure పై ప్రయాణించగలిగితే, trust failures ఇక spam blogs లేదా తక్కువ స్థాయి content farms కు మాత్రమే పరిమితం కావు. అవి researchers, librarians మరియు institutions ఉపయోగించే systems ను తాకడం ప్రారంభిస్తాయి.

ఈ article pattern ను AI-generated “research” ను మానవుల తయారుచేసినదిగా అమ్మిన earlier reporting తో కూడా కలుపుతోంది. ఒక ఉదాహరణలో, medical research అందిస్తున్నట్లు చెప్పిన ఒక company Elena Vasquez అనే founder మరియు lead methodologist ను చూపింది, ఆమె లేనే లేదు. ఆ విషయంపై reporting వచ్చిన తర్వాత, ఆ పేరు reportedly కంపెనీ site నుంచి తొలగించబడింది. మరో ఉదాహరణలో, Facebook లో పంచబడిన ఒక తప్పుడు ప్రకటన nonexistent “executive director Dr. Elena Vasquez” కు ఆపాదించబడింది.

ఈ ఉదాహరణలన్నింటినీ కలిపి చూస్తే, సమస్య పూర్తిగా అకడెమిక్ మాత్రమే కాదని తెలుస్తుంది. అదే fabricated identity health claims, social rumors, commercial services మరియు publication platforms అంతటా కదలగలదు. ఈ cross-domain spread ఈ ఘటనకు విస్తృత ప్రాసంగికతను ఇస్తుంది.

కలుషితమయ్యే ప్రమాదం ఎందుకు పెరుగుతోంది

Generative AI నమ్మదగిన text ను పెద్ద స్థాయిలో తయారు చేసే ఖర్చును తగ్గిస్తుంది. అందులో papers, reports, web pages మరియు institutional formats ను అనుకరించగల book-like documents ఉన్నాయి. models కూడా persuasive fictional names చిన్న సమూహాన్ని పదే పదే వాడే ధోరణి కలిగి ఉంటే, bad actors కు ప్రతీసారి కొత్త persona invent చేయాల్సిన అవసరమే ఉండదు. ఇప్పటికే నమ్మదగినట్లుగా వినిపించే recurring identities ను అందించడం ద్వారా model వారి కోసం పనిలో కొంత భాగం స్వయంగా చేస్తుంది.

ప్రమాదం ఉద్దేశపూర్వక మోసానికే పరిమితం కాదు. ముఖ్యంగా వేగంగా draft content తయారు చేస్తున్నప్పుడు, కొందరు వినియోగదారులు generated names ను దగ్గరగా verify చేయకపోవచ్చు. automated లేదా semi-automated publishing pipelines లో, ఎవరు ఆ వ్యక్తి నిజంగా ఉన్నారా లేదా అని తనిఖీ చేయకపోతే, fake expert public records లోకి జారిపోవచ్చు. ఒకసారి ప్రచురితమైతే, ఆ గుర్తింపును cite చేయవచ్చు, scrape చేయవచ్చు, index చేయవచ్చు మరియు ఇతర చోట్ల తిరిగి వాడవచ్చు.

ఇది ఒక feedback loop ను సృష్టిస్తుంది. models లోని పునరావృతం web లో పునరావృతాన్ని కలిగిస్తుంది, మరియు web లోని పునరావృతం భవిష్యత్ models ఎదుర్కొనే విషయాలను బలపరుస్తుంది. కాలక్రమేణా, direct verification కంటే search మీద ఆధారపడే ఎవరికైనా model artifact మరియు documented person మధ్య తేడా మసకబారవచ్చు.

పరిశోధన వ్యవస్థల కోసం integrity సవాలు

ఈ నివేదిక పూర్తి పరిష్కారాన్ని చూపదు, కానీ integrity సమస్య పరిమాణాన్ని పట్టించుకోకుండా ఉండటం కష్టతరం చేస్తుంది. అకడెమిక్ ప్రచురణ plagiarism, paper mills మరియు fake peer review తో చాలా కాలంగా పోరాడుతోంది. AI ghost authors వేరే రకమైన వైఫల్యాన్ని తీసుకొస్తాయి: మానవ attribution అంచనాలపై నిర్మితమైన systems లో synthetic identity pollution.

ఈ సవాలు repositories, editors, publishers, indexing services మరియు search platforms వరకు వ్యాపిస్తుంది. బలమైన author verification, fabricated journals కోసం మెరుగైన screening మరియు అనుమానాస్పదంగా పునరావృతమయ్యే identity patterns పై ఎక్కువ scrutiny అవసరం కావొచ్చు. పెద్ద విషయం ఏమిటంటే, AI misuse అనేది text machine-written అయిందా లేదా అనే ప్రశ్నకే పరిమితం కాదు. ఆ text కు జతచేయబడిన వ్యక్తులు నిజంగా ఉన్నారా లేదా అన్నదీ ఇందులో భాగమే.

preprint findings సూక్ష్మమైన కానీ నిర్మాణాత్మకంగా ముఖ్యమైన మార్పును వర్ణిస్తున్నందున ప్రతిధ్వనించే అవకాశం ఉంది. language models ఇక తప్పులున్న prose లేదా fabricated citations మాత్రమే సృష్టించడం లేదు. అవి fake experts ను standardize చేసి, నిశ్శబ్దంగా knowledge ecosystem లోకి ప్రవేశపెట్టగలవు. ఈ ప్రక్రియ నియంత్రణ లేకుండా కొనసాగితే, తప్పులు చాలా సాధారణంగా కనిపించడం వల్ల academic record ను audit చేయడం మరింత కష్టమవుతుంది.

ఈ article 404 Media reporting ఆధారంగా ఉంది. మూల article చదవండి.