Het Gevaar van Non-existente Auteurs: Hoe AI-Verzonnen Namen Wetenschappelijke Databases Verpesten

Stel je voor: Dr. Elena Vasquez en Marcus Chen duiken op als vulkaandeskundigen, astronauten, thrillerschrijvers, podcast hosts én academische medeauteurs — in honderden verschillende documenten. Er is alleen één probleem: deze mensen bestaan helemaal niet. Het zijn geen vergeten historische figuren of obscure onderzoekers. Het zijn spooknamen die AI-modellen keer op keer verzinnen.

Een boeiend onderzoeksrapport (arXiv:2606.02184) heeft licht geworpen op één van de verontrustende neveneffecten van de generatieve AI-golf: onze AI-systemen hebben duidelijke "naamvoorkeuren" ontwikkeld — een hang naar bepaalde verzonnen namen die verdacht vaak terugkomen in hun output. En dit is niet zomaar een leuk weetje. Het veroorzaakt echte problemen voor academische uitgevers, onderzoeksdatabases en iedereen die probeert te verifiëren of content op internet daadwerkelijk door een mens is geschreven.

Waarom AI Verliefd Wordt op Nicht-Bestaande Mensen

Zo gaat het in zijn werk: wanneer je een AI-model vraagt om een verzonnen expert te genereren, een podcast host of een medeauteur voor een onderzoeksartikel, dan put het niet uit een neutrale naamgevingspool. Elke modelfamilie heeft haar eigen favorieten. Claude lijkt dol te zijn op Elena Vasquez en Marcus Chen als duo, en voegt vaak Amara Okafor toe voor een trio. GPT neigt naar Elara Voss maar heeft nog geen vaste partner gevonden. Gemini geeft de voorkeur aan Aris Thorne en Lena Petrova.

Dit zijn geen willekeurige selecties. De onderzoekers ontdekten dat de co-occurrence rates van deze naamparen ver boven de toevallige verwachting uitstijgen. Het is alsof elk AI-model dezelfde denkbeeldige roman heeft gelezen en telkens dezelfde personages cast in nieuwe rollen.

Bijzonder interessant: deze voorkeuren zijn modelfamilie-specifiek en zelfs versie-specifiek. Wanneer een bedrijf zoals Anthropic, Google of OpenAI hun model bijwerkt, verschuiven de spooknaam-voorkeuren vaak. Dit achterlaat wat de onderzoekers "dateerbare gedragsvingerafdrukken" noemen — tijdsmarkeringen die kunnen helpen bepalen wanneer AI-gegenereerde content is gemaakt, op basis van welke namen erin voorkomen.

Het Academische Verpestingsprobleem

Maar hier gaat het van grappig naar zorgwekkend. De onderzoekers vonden een enorme contaminatie op Zenodo, het door CERN beheerde archief dat echte DataCite DOI's uitgeeft. Ze ontdekten 1.655 spook-geautoriseerde records die beweren te zijn gepubliceerd in tijdschriften die niet bestaan, met verzonnen publicatiedatums.

Dit gaat niet om nep-artikelen die ergens in een vergeten hoek van het internet rusten. Deze records dragen echte DOI's geregistreerd in DataCite, waardoor ze oogstbaar zijn door elke wetenschappelijke aggregator die DOI-metadata binnentrekt. Denk aan Google Scholar, ResearchGate, academische databases, citatie-indexen — de volledige infrastructuur waar onderzoekers op vertrouwen om legitiem werk te vinden.

Het bewijs wijst op opzettelijke retro-datering. Server-side DataCite-tijdstempels bewijzen dat iemand deze DOI's expres heeft geregistreerd om de content ouder te laten lijken dan werkelijk het geval is. En hier is de belastende aanwijzing: 991 van deze records werden geregistreerd in slechts één maand. Dat is geen organische groei. Dat is een gecoördineerde contaminatie-operatie.

De onderzoekers vonden ook dat spooknamen op ResearchGate合成 onderzoeksgroepen vormen met medewerkers uit meerdere modelfamilies. De publicatiedatums op deze records vormen een betrouwbare temporele proxy voor model-deployment windows — essencialy een tijdlijn van wanneer verschillende AI-modellen werden uitgebracht, gebaseerd op wanneer hun "favoriete" spooknamen begonnen te verschijnen in gepubliceerde onderzoeken.

Waarom Dit Relevant Is voor Ontwikkelaars en Tech Leiders

Je denkt misschien: "Ik werk niet in de academische wereld, dus waarom zou dit me interesseren?" Hierom:

Ten eerste: het is een waarschuwingssignaal voor content-authenticiteit. Als academische archieven — die waarschijnlijk strengere standaarden hebben dan de meeste andere hoeken van het internet — zo makkelijk verpest kunnen worden, imagineer dan eens wat er gebeurt met productbeschrijvingen, marketingteksten, nieuwsartikelen en technische documentatie. We betreden een tijdperk waarin "AI-gegenereerd" niet langer de uitzondering is; het wordt de standaard.

Ten tweede: het onthult verborgen patronen in AI-output. Begrijpen dat AI-modellen deze voorkeuren en biases hebben is niet alleen academisch interessant — het is praktisch nuttig. Als je applicaties bouwt die afhankelijk zijn van AI-gegenereerde content, dan kan kennis over de "favoriete" namen, zinsneden en karakter-archetypes van modellen je helpen betere detectie- en kwaliteitscontrolesystemen te bouwen.

Ten derde: het onderstreept de noodzaak van AI-assisted development-praktijken die rekening houden met deze eigenaardigheden. Bij NameOcean denken we veel na over hoe AI webdevelopment, hosting en digitale aanwezigheid verandert. Dit onderzoek herinnert ons eraan dat AI-tools krachtig maar niet neutraal zijn. Ze dragen hun eigen vingerafdrukken, hun eigen biases, hun eigen neigingen. Slimme ontwikkelaars begrijpen die patronen — ze gebruiken de tools niet blindelings.

Het DOI-Infrastructuurprobleem

Misschien wel het meest verontrustende aspect van dit onderzoek is wat het onthult over DOI-infrastructuur. DOI's (Digital Object Identifiers) zouden de ruggengraat van wetenschappelijke communicatie moeten zijn — permanente, betrouwbare links naar academische werken. Ze worden vertrouwd omdat wordt aangenomen dat ze naar echte content met echte auteurs verwijzen.

Maar het huidige systeem heeft geen mechanisme om te verifiëren dat een DOI-registratie correspondeert met daadwerkelijke menselijke auteurs die het onderzoek daadwerkelijk hebben uitgevoerd. Zolang je de registratiekosten kunt betalen en metadata kunt leveren, krijg je een legitieme DOI. Het systeem vertrouwt erop dat registranten te goeder trouw handelen.

Dit creëert een interessante parallel met domeinregistratie. Bij NameOcean weten we dat domeinnamen vaak de eerste verdedigingslinie zijn voor merkidentiteit en vertrouwen. Evenzo zouden DOI's vertrouwen moeten signaleren in de academische wereld. Wanneer dat vertrouwen wordt misbruikt, ondermijnt het het hele systeem — net zoals domain spoofing of DNS-aanvallen vertrouwen in webinfrastructuur kunnen ondermijnen.

Wat Kan Er Gedaan Worden?

De onderzoekers suggereren verschillende benaderingen om dit probleem aan te pakken:

1. DOI-registers kunnen verificatiecontroles implementeren die verdachte patronen markeren — zoals honderden artikelen die verschijnen van niet-bestaande tijdschriften, of auteursnamen die in onmogelijke frequentie voorkomen in ongerelateerde publicaties.

2. AI-modelontwikkelaars kunnen hun naamgeneratiepatronen zorgvuldiger volgen en auditen, met potentieel minder memorisatie van specifieke naamcombinaties tot gevolg.

3. Academische instellingen en uitgevers kunnen striktere verificatie implementeren voordat ze artikelen accepteren, inclusief auteur-identiteitsverificatie.

4. Detectietools kunnen worden ontwikkeld om spook-geautoriseerde content te identificeren op basis van de kenmerkende tekenen die de onderzoekers hebben geïdentificeerd.

Voor ontwikkelaars die applicaties bouwen die interageren met AI-gegenereerde content is de les duidelijk: behandel AI-output met gepaste scepsis en bouw verificatie in je workflows. Vertrouw er niet op dat professionele content automatisch door een professional is gemaakt.

Het Grotere Plaatje

Dit onderzoek biedt een fascinerende blik in het opkomende vakgebied van AI-forensisch onderzoek — de studie naar hoe AI-systemen sporen van hun gedrag achterlaten die gedetecteerd en geanalyseerd kunnen worden. Naarmate AI-gegenereerde content alomtegenwoordig wordt, worden deze sporen steeds belangrijker voor het behouden van vertrouwen en authenticiteit.

Voor de tech-gemeenschap is het een herinnering dat we nog in de beginfase zitten van het begrijpen hoe deze systemen zich gedragen op grote schaal. Het spooknamen-fenomeen is slechts één voorbeeld van de onverwachte patronen die ontstaan wanneer miljoenen mensen dezelfde AI-tools gaan gebruiken. Er komen nog meer verrassingen aan.

Wat denk jij over dit spook-auteurschap-fenomeen? Maak jij je zorgen over AI-gegenereerde content die academische en digitale infrastructuur verpest? We horen graag je perspectief.

Vragen over AI-assisted development of hoe je een betrouwbare digitale aanwezigheid opbouwt? Bekijk NameOcean's vibe hosting-oplossingen, ontworpen voor het AI-tijdperk.