Некоторые исследователи считают, что искусственный интеллект может дать результаты, достойные Нобелевской премии, но другие сомневаются, что автономные ученые с искусственным интеллектом возможны или даже желательны
Модели искусственного интеллекта начинают завоевывать успех в науке. За последние два года они продемонстрировали, что могут анализировать данные, планировать эксперименты и даже выдвигать новые гипотезы. Темпы прогресса убедили некоторых исследователей в том, что искусственный интеллект (ИИ) может составить конкуренцию величайшим умам науки в ближайшие несколько десятилетий.
В 2016 году Хироаки Китано, биолог и исполнительный директор Sony AI, поставил перед исследователями задачу достичь именно этого: разработать систему искусственного интеллекта, настолько совершенную, чтобы она могла сделать открытие, достойное Нобелевской премии. Назвав это Нобелевским конкурсом Тьюринга, Китано представил проект как грандиозный вызов ИИ в науке. Машина выигрывает, если может сделать открытие, сравнимое с исследованиями человека на самом высоком уровне.
Современные модели на это не способны. Но к 2050 году Нобелевская премия Тьюринга предполагает создание системы искусственного интеллекта, которая без вмешательства человека объединит навыки генерации гипотез, планирования экспериментов и анализа данных, чтобы совершить прорыв, достойный Нобелевской премии.
О поддержке научной журналистики
Если вы»вам понравилась эта статья, подумайте о том, чтобы поддержать нашу журналистскую деятельность, отмеченную наградами, подписавшись на нее. Приобретая подписку, вы помогаете обеспечить будущее впечатляющих историй об открытиях и идеях, формирующих наш современный мир.
Возможно, это произойдет даже не раньше 2050 года. Росс Кинг, исследователь в области химической инженерии из Кембриджского университета, Великобритания, и организатор конкурса, считает, что такой «ученый в области искусственного интеллекта» может получить статус лауреата еще раньше. «Я думаю, что почти наверняка системы искусственного интеллекта станут достаточно хорошими, чтобы получать Нобелевские премии», — говорит он. «Вопрос в том, потребуется ли на это 50 лет или 10.»
Но многие исследователи не понимают, как современные системы искусственного интеллекта, которые обучены генерировать цепочки слов, работают. а идеи, основанные на существующем фонде знаний человечества, могли бы внести свежий вклад в понимание происходящего. Достижение такого результата может потребовать радикальных изменений в том, как исследователи разрабатывают искусственный интеллект и на что направляется финансирование в области искусственного интеллекта. «Если бы завтра вы увидели, что государственная программа инвестирует миллиард долларов в фундаментальные исследования, я думаю, она продвигалась бы намного быстрее», — говорит Иоланда Гил, исследователь искусственного интеллекта из Университета Южной Калифорнии в Лос-Анджелесе.
Другие исследователи предупреждают, что внедрение искусственного интеллекта в исследовательский процесс сопряжено с определенными рисками.
Заслуживающие внимания открытия
Нобелевские премии были учреждены в честь тех, кто «принес человечеству величайшее благо», как написал в своем завещании его тезка Альфред Нобель. Бенгт Норден, химик и бывший председатель Нобелевского комитета по химии, рассматривает три критерия для присуждения научных премий: по его словам, нобелевское открытие должно быть полезным, иметь большое влияние и открывать путь к дальнейшему научному пониманию.
Хотя в настоящее время право на получение премий имеют только живые люди, организации и учреждения, AI уже встречался с Нобелевским комитетом ранее. В 2024 году Нобелевская премия по физике была присуждена пионерам машинного обучения, которые заложили основу для создания искусственных нейронных сетей. В том же году половина премии по химии была присуждена исследователям, создавшим AlphaFold — систему искусственного интеллекта от Google DeepMind в Лондоне, которая предсказывает трехмерные структуры белков на основе их аминокислотной последовательности. Но эти награды были за научные успехи за систему ИИ-не те, что делаются по AI.
<источника Media="(мин-ширина: 0px)" srcSet="https://static.scientificamerican.com/dam/m/50892545b1d7bf5/original/demis_hassabis_and_john_jumper_nobel_for_ai_model_alphafold.jpg?m=1759944724.233&w=1000 1000Вт, https://static.scientificamerican.com/dam/m/50892545b1d7bf5/original/demis_hassabis_and_john_jumper_nobel_for_ai_model_alphafold.jpg?m=1759944724.233&w=1200 1200Вт, https://static.scientificamerican.com/dam/m/50892545b1d7bf5/original/demis_hassabis_and_john_jumper_nobel_for_ai_model_alphafold.jpg?m=1759944724.233&w=1350 1350w, https://static.scientificamerican.com/dam/m/50892545b1d7bf5/original/demis_hassabis_and_john_jumper_nobel_for_ai_model_alphafold.jpg?m=1759944724.233&w=2000 2000Вт, https://static.scientificamerican.com/dam/m/50892545b1d7bf5/original/demis_hassabis_and_john_jumper_nobel_for_ai_model_alphafold.jpg?m=1759944724.233&w=600 600Вт, https://static.scientificamerican.com/dam/m/50892545b1d7bf5/original/demis_hassabis_and_john_jumper_nobel_for_ai_model_alphafold.jpg?m=1759944724.233&w=750 750 Вт https://static.scientificamerican.com/dam/m/50892545b1d7bf5/original/demis_hassabis_and_john_jumper_nobel_for_ai_model_alphafold.jpg?m=1759944724.233&w=900 900 Вт" размеры="(мин-ширина: 2000 Пикс.) 2000 Пикс., (мин-разрешение: 3dppx) 50vw, (мин-разрешение: 2dppx) 75vw, 100vw"/>
<п class="" данные-блок="sciam/пункте">для ИИ ученый заявлять свои открытия, исследования должны быть выполнены и ldquo;полная или сильно автономно в соответствии с Нобелевской Тьюринга вызов. По словам Джил, специалисту по искусственному интеллекту необходимо будет наблюдать за научным процессом от начала до конца, выбирая вопросы для ответов, эксперименты для проведения и данные для анализа.
Джил говорит, что она уже видела Инструменты искусственного интеллекта помогают ученым практически на каждом этапе процесса открытия, что «делает эту область очень интересной». Исследователи продемонстрировали, что искусственный интеллект может помочь расшифровать речь животных, выдвинуть гипотезу о происхождении жизни во Вселенной и предсказать, когда вращающиеся звезды могут столкнуться. Он может предсказывать смертельные пылевые бури и помогать оптимизировать сборку будущих квантовых компьютеров.
Искусственный интеллект также начинает проводить эксперименты самостоятельно. Гейб Гомес, химик из Университета Карнеги-Меллон в Питтсбурге, штат Пенсильвания, и его коллеги разработали систему под названием Coscientist, которая основана на больших языковых моделях (LLM), аналогичных ChatGPT и аналогичным системам, для планирования и проведения сложных химических реакций с использованием роботизированного лабораторного оборудования. А неизданная версия Coscientist позволяет выполнять вычислительную химию с поразительной скоростью, говорит Гомес.
Токийская компания Sakana AI использует LLMs в попытке автоматизировать исследования в области машинного обучения. В то же время исследователи из Google и других компаний изучают, как чат-боты могут работать в команде для генерации научных идей.
Большинство ученых, использующих искусственный интеллект, обращаются к нему как к своего рода помощнику или коллаборационисту, часто назначаемому для выполнения конкретных задач. Это первая из трех волн внедрения искусственного интеллекта в науку, говорит Сэм Родрикес, исполнительный директор FutureHouse — исследовательской лаборатории в Сан-Франциско, Калифорния, которая в начале этого года представила LLM, предназначенный для решения задач по химии. Эта и другие «модели рассуждения» учатся имитировать поэтапное логическое мышление, используя процесс проб и ошибок, который включает в себя обучение на правильных примерах.
Существующие модели являются полезными помощниками, которые могут делать прогнозы на основе данных и ускорять другие кропотливые вычисления. Но, как правило, им требуется участие человека, по крайней мере, на одном этапе.
Далее, говорит Родрикес, ИИ будет лучше разрабатывать и оценивать свои собственные гипотезы, просматривая литературу и анализируя данные. Джеймс Зоу, специалист по биомедицинским данным из Стэнфордского университета в Калифорнии, начал осваивать эту область. Недавно он и его коллеги показали, что система, построенная на базе LLMs, может анализировать биологические данные, чтобы находить информацию, которую упускают исследователи. Например, получив опубликованную статью и набор данных о последовательностях РНК, связанных с ней, система обнаружила, что определенные иммунные клетки у людей с COVID-19 с большей вероятностью будут набухать по мере их смерти — идея, которая не была исследована авторами статьи. Это показывает, что «ИИ-агент начинает самостоятельно находить что-то новое», — говорит Цзоу.
Он также помогает организовать виртуальную встречу под названием Agents4Science в конце этого месяца, которую он описывает как первую научную конференцию, посвященную только искусственному интеллекту. Все статьи будут написаны и рецензированы агентами ИИ совместно с сотрудниками-людьми. Однодневная встреча будет включать в себя приглашенные доклады и групповые дискуссии (от людей) о будущем исследований, основанных на ИИ. Цзоу говорит, что он надеется, что эта встреча поможет исследователям оценить, насколько искусственный интеллект способен проводить инновационные исследования и анализировать их.
По словам Цзоу, такие усилия сопряжены с определенными трудностями, включая галлюцинации, которые часто беспокоят магистрантов. Но он говорит, что эти проблемы в основном можно было бы решить с помощью обратной связи с людьми.
Родрикес говорит, что заключительный этап развития искусственного интеллекта в науке и то, к чему стремится FutureHouse, — это модели, которые могут задавать свои собственные вопросы и проектируйте и проводите свои собственные эксперименты — человек здесь не нужен. Он считает это неизбежным и говорит, что искусственный интеллект может сделать открытие, достойное Нобелевской премии «самое позднее к 2030 году».
Наиболее перспективные области для прорыва — специалистом в области искусственного интеллекта или кем-либо еще — в области материаловедения или лечения таких заболеваний, как болезнь Паркинсона или болезнь Альцгеймера, говорит он, потому что в этих областях существуют большие проблемы и неудовлетворенные потребности.
Размышления о мышлении
Многие исследователи настороженно относятся к подобным заявлениям, видя гораздо большие препятствия. Дуг Дауни, исследователь из Института искусственного интеллекта имени Аллена в Сиэтле, штат Вашингтон, говорит, что он и его коллеги обнаружили, что их сотрудники, получившие степень магистра права, терпят неудачу при попытке завершить исследовательский проект от начала до конца. В ходе одного исследования, проведенного с участием 57 агентов с искусственным интеллектом, команда обнаружила, что, хотя агенты могут полностью выполнять конкретные научные задачи примерно в 70% случаев, этот показатель снижается всего до 1%, когда они пытаются сгенерировать идею, спланировать и провести эксперимент, а также проанализировать данные для составления полного отчета (см. go.nature.com/4ntxs6q). «Комплексное автоматизированное научное открытие остается сложной задачей», — пишут Дауни и другие авторы.
Хотя ИИ, похоже, обладает большим потенциалом для развития науки, у него нет ограничений, говорит Дауни. «Я думаю, что неясно, сколько времени потребуется, чтобы преодолеть это.»
Даже когда современные системы искусственного интеллекта делают обоснованные прогнозы в определенной области Однако им не обязательно изучать более широкие основополагающие принципы. Например, одно недавнее исследование показало, что, хотя модель искусственного интеллекта может предсказать, как планета вращается вокруг звезды, она не может воспроизвести фундаментальные законы физики, управляющие этими телами. Это было не столько изучение научного принципа, сколько имитация результатов его применения. В другом исследовании инструмент искусственного интеллекта не смог создать точную карту улиц Нью-Йорка, несмотря на то, что научился ориентироваться в городе.
Суббарао Камбхампати, специалист по информатике из Университета штата Аризона в Темпе, говорит, что подобные ловушки демонстрируют, насколько важен жизненный опыт человека-исследователя для разработки основных научных принципов. В отличие от этого, системы ИИ воспринимают мир только косвенно, через наборы данных, которые они получают. Некоторые исследователи изучают возможность объединения ИИ и роботов, что позволило бы этим системам лучше ориентироваться в мире.
Отсутствие опыта работы в реальном мире затруднит постановку ИИ-моделями свежих, креативных вопросов и позволит по-новому взглянуть на мир людей, говорит Камбхампати. “Я ’ я очень поддерживаю утверждения о том, что искусственный интеллект может ускорить развитие науки», — говорит он. Но «говорить, что вам не нужны ученые-люди и что эта машина просто сделает какое-нибудь открытие, достойное Нобелевской премии», — звучит не более чем рекламой.
Для Gil разработка ученого в области искусственного интеллекта, способного на открытие, достойное Нобелевской премии, потребовала бы вложения дополнительных усилий в инструменты искусственного интеллекта с более широким спектром возможностей, включая мета-рассуждения. Исследователям нужно будет найти способы наделить ИИ способностью оценивать и корректировать свои собственные мыслительные процессы — думать о своем собственном мышлении. Этот сдвиг мог бы позволить моделям взвесить, какие типы экспериментов дадут наилучшие результаты, и пересмотреть свои научные теории на основе новых открытий.
Джил долгое время работала над фундаментальными исследованиями, которые могли бы наделить ИИ такими способностями, но она говорит, что в центре внимания оказались магистранты. Если так будет продолжаться и дальше, она ожидает, что открытия, достойные Нобелевской премии, станут отдаленной перспективой. «С помощью методов генеративного ИИ можно получить множество потрясающих результатов», — говорит Гил. «Но есть много других областей, на которые стоит обратить внимание».
Кинг согласен с тем, что впереди нас ждут препятствия. Магистры плохо понимают мир людей и то, какой вклад они в него вносят, говорит он: «Они даже не знают, что такое наука».
Понимание того, чего может достичь ИИ, может прийти только со временем. «Единственный способ получить эти ответы — это проверить их», — говорит Джил. «Как мы делаем с любой гипотезой».
Другие исследователи задаются вопросом, следует ли научному сообществу настаивать на том, чтобы за такое открытие вообще. В статье, опубликованной в 2024 году, Лиза Мессери, антрополог из Йельского университета в Нью-Хейвене, штат Коннектикут, и Молли Крокетт, психолог из Принстонского университета в Нью-Джерси, утверждают, что чрезмерная зависимость от искусственного интеллекта в науке уже начала приводить к большему количеству ошибок. Они также отмечают, что искусственный интеллект может вытеснить альтернативные подходы и сократить инновации, а ученые начнут «производить больше, но понимать меньше».
Возможно, что автоматизированное обнаружение может у этого есть серьезные недостатки для науки и ученых. По словам Мессери, искусственный интеллект выполняет задачи, которые сужают возможности молодых ученых, которые, возможно, никогда не приобретут необходимых навыков для получения своих собственных нобелевских премий в будущем. «Хотя это и не игра с нулевой суммой, учитывая текущее сокращение исследовательских и университетских бюджетов, мы находимся на важном этапе оценки плюсов и минусов этого будущего», — говорит она.
Эта статья воспроизводится с разрешения автора и была впервые опубликована 6 октября 2025 года.
