Учёные будут «глупеть», пока ИИ меняет науку

ИИ-агенты уже генерируют научные гипотезы быстрее, чем люди успевают проводить эксперименты. Агент Co-Scientist за 48 часов проделал биологическое исследование, на которое у учёных из Имперского колледжа Лондона ушло 10 лет. Генерация идей почти бесплатна, но физический мир стал главным узким горлышком. Учёным придётся несладко.

Google DeepMind, оплот суровых, но неунывающих ребят, выпустил нехилый доклад «Conjecture Machines». Главный вывод: генерация научных гипотез официально стала бесплатной и мгновенной. И разрыв между неиссякаемым и очень быстрым потоком научных предположений и медленной, дорогой физической проверкой будет только увеличиваться.

ИИ-агенты — это не чат-боты, они способны самостоятельно планировать достижение долгосрочных целей, разбивая комплексные задачи на подзадачи, запуская параллельные процессы, исправляя собственные ошибки в реальном времени и взаимодействуя с внешним миром — от запуска баз данных до управления лабораторными роботами.

В качестве примера авторы приводят ИИ-агента Co-Scientist, который всего за два дня смог независимо сформулировать и приоритизировать сложную биологическую гипотезу о распространении устойчивости к антибиотикам, на доказательство которой у команды ученых из Имперского колледжа Лондона ушло около десяти лет. Здесь Карл рыдает.

Однако, есть и исключения в плане лабораторной проверки потока гипотез: математика и программирование, где верификацию можно проводить полностью виртуально. Хотя учёные уже предупреждают об угрозе «математического несварения», когда объемы генерируемых ИИ доказательств начнут превышать способность человеческого сообщества их осмыслить. И это — ещё один даже не кирпичик, а целая плита, в надвигающийся монолит технологической сингулярности.

Чтобы успеть за ИИ, технологические гиганты, такие как Google DeepMind, Ginkgo Bioworks и Lila Sciences, уже вовсю инвестируют в строительство дорогущих роботизированных смарт-лабораторий.

Кроме всего прочего, основной удар придётся на молодых учёных — они лишаются возможности развить собственное научное суждение и интуицию. Ну а об опытных (сиречь старых) речи вообще, по видимому, не идёт.

Вторая проблема: институты могут предпочесть тратить бюджеты на вычислительные ресурсы, а не на персонал.

Третья — снижение оригинальности в грантовых заявках и статьях из-за оптимизации текста под критерии фондов.

И, наконец, неравенство: если доступ к лучшим агентам будет ограничен, разрыв между богатыми и бедными институтами может усугубиться и стать просто непреодолимым.

💬 Новая реальность потребует радикальной реформы всей научной инфраструктуры — от лабораторий до системы рецензирования работ. А дело это крайне медленное и ну очень затратное. В общем, будем наблюдать и пытаться держать нос по ветру. Что нам ещё, в сущности, остаётся?

Оставайтесь с «Нейрочеловеком» 🤘🏻

#НейроЧеловек #НейроНовости #НейроБудущее