Środowisko akademickie w informatyce mierzy się z problemem, który jeszcze kilka lat temu brzmiałby jak żart: zgłoszeń na konferencje jest tak dużo, że system recenzji zaczyna się dusić. Jak donosi portal Science, bezpośrednim sprawcą „tsunami” jest sztuczna inteligencja, która radykalnie obniżyła koszt i czas przygotowania tekstu naukowego. Efekt jest podwójny — więcej prac trafia do komitetów programowych, a jednocześnie rosną obawy o ich jakość i rzeczywisty wkład autorów.
Odpowiedzią organizatorów są limity. Coraz więcej ważnych konferencji wprowadza górne pułapy na liczbę zgłoszeń przypadających na jednego badacza lub na zespół. To rozwiązanie proste w założeniu, ale kontrowersyjne w praktyce: uderza nie tylko w autorów masowo wysyłających prace „na wszelki wypadek”, lecz także w tych, którzy publikują dużo z powodu specyfiki swojej dziedziny albo prowadzą szeroką współpracę.
Problem ma wymiar czysto operacyjny. Każde zgłoszenie wymaga recenzentów, a ich pula jest ograniczona i opiera się na dobrej woli społeczności. Gdy liczba prac rośnie szybciej niż liczba chętnych do ich oceny, wydłuża się czas oczekiwania, spada jakość recenzji, a część zgłoszeń trafia do osób niedostatecznie zaznajomionych z tematem. Limity mają więc przede wszystkim odciążyć recenzentów i przywrócić proporcje między podażą prac a możliwościami ich rzetelnej oceny.
Równolegle pojawia się pytanie o granice użycia narzędzi generatywnych w procesie publikacji. Konferencje zaostrzają polityki dotyczące ujawniania wsparcia AI, weryfikują autorstwo i coraz częściej odrzucają prace, w których modele językowe zastąpiły rzeczywistą analizę. Sama detekcja tekstu AI pozostaje jednak zawodna, dlatego nacisk kładzie się na odpowiedzialność autorów i przejrzystość deklaracji, a nie na automatyczne wykrywanie.
Krytycy limitów zwracają uwagę, że rozwiązują objaw, a nie przyczynę. Jeśli motywacją do masowego zgłaszania prac jest presja na dorobek publikacyjny i rosnąca liczba autorów pragnących zaznaczyć swoją obecność, to sztywne pułapy mogą jedynie przesunąć problem — na przykład skłaniając do dzielenia zespołów lub wystawiania tych samych wyników w kolejnych odsłonach. Alternatywą są zmiany w modelu recenzji: szersze wykorzystanie recenzji dwuetapowych, odrzucanie na etapie abstraktów czy większe zaangażowanie społeczności w ocenę.
Niezależnie od przyjętych rozwiązań, sytuacja pokazuje szerszy trend: generatywna AI zmienia nie tylko sposób pisania prac, ale też całą infrastrukturę komunikacji naukowej, która była projektowana dla zupełnie innej skali. Konferencje informatyczne stają się tym samym laboratorium, w którym testuje się, jak nauka ma funkcjonować w świecie, gdzie tekst można wygenerować w kilka minut.
Podsumowanie: Limity zgłoszeń to doraźna odpowiedź na lawinę prac wspieranych przez AI. Bez głębszych zmian w kulturze publikowania i modelu recenzji problem prawdopodobnie powróci — w nowej, trudniejszej do wykrycia formie.