本文基于科学观察。实验作者可能只是一个简单的观察者，但是他的结果强烈影响了研究中理性假设的选择。研究的选择取决于所获得的数据。来源可能是数字的，也可能是人们不知道的，但是科学实验通常以数字插图来说明，其中许多对于评估有效性非常重要。
但是，系统编程作为一种知识领域，吸收了各种科学知识，但是它并未充分利用古典数学和自然科学的知识。当然，古典数学和自然数学是现代计算机科学。但是，数学有专门的分支，例如概率论，算法论，博弈论，经济学，生物学，医学。物理，化学，天文学，生物学和历史也有各个部分。这一切远非如此。此外，这些主题中的许多主题可能不像数学和科学那么重要，但是可以包含在代表基础研究历史的文章中，这些主题证明了科学家如何尝试创建数字新文本。
如今，人们几乎没有时间阅读：媒体使我们越来越远离原始资料的来源。另外，一个人很难为自己设定一个标准：阅读或不阅读。所有研究旨在掌握数字新文本。它基于人工智能算法，而人工智能算法的创建首先需要撰写科学文章。它们有很大的不同，具有许多功能，但是它们有一个共同点：高度融合的数字文本，科学文章认为，可以将文本视为程序，而不管其作者和方向如何。
语言决定文章的结构，样式，文本的结构，链接的结构以及与其他文章的链接。语言决定文章的外观，寿命以及信息负载。写一篇好的科学文章要花很多时间。同样，有时作者的年龄，他用来撰写科学文章的条件和方法也起着重要作用。即使没有搜索和抄袭科学文章的习惯，科学家有时也冒着丢失以母语书写并在科学期刊上发表文章的风险。不同的科学文章由不同的部分组成，分为三类：描述系统，书目系统和信息系统。原始文本可以分配给该第一组，也可以分配给描述系统中包含的文本。
另一个例子是，一些在科学杂志上发表新闻的新闻工作者和新闻工作者对英语没有很强的命令，因此他们的文章通常不被用作描述系统的来源，每个类别都决定了文章的结构。整体结构可以分解为几个相关的结构组件。系统组成：索引集结构（Weight Index）和位集结构（Link Index）。他们确定科学文章的作者是谁，以及他的立场，并依靠某些数学算法。
, , ( ) . FineReader, Email. , , . , , , , . : .
. , : . . , , . , , . (), .
?
:
: , , ,
: , , , Google,
: .
:
, :
:
1. ?
2. Russian AI Cup 2020 — -
由神经网络生成的文章不太可能欺骗受灾地区的专家，但是，不具备此类知识的人很可能会将其误认为是成熟的复杂科学或技术著作。在这种情况下，神经网络成为著名实验中的一种Fox博士。