ИИ в науке: очередь на проверку

Google, Google DeepMind и MIT FutureTech изучили, как ИИ меняет науку⁠: 15 млн взаимодействий с Gemini, из которых 360 тыс. классифицированы как научные, более 2600 специализированных моделей и опрос 637 исследователей США и Великобритании.

Главные инсайты:

- Средняя заявленная экономия 6,9 часа в неделю. Это время преимущественно возвращают в исследования.
- У 41% выросла очередь непроверенных гипотез.
- Среди тех, кому ИИ экономит время, 46% тратят более четверти сэкономленного времени на проверку результатов.

Языковые и специализированные модели дополняют друг друга: LLM помогают с кодом и текстами, специализированные модели — со структурами белков и предметными прогнозами.

Scientific American⁠ добавляет важное объяснение: математическое доказательство можно проверить по формальным правилам, а предсказанную функцию белка приходится подтверждать физическим экспериментом.

Есть и конкретная попытка устранить этот разрыв. Национальный научный фонд США выделил $20 млн на четыре года на создание лаборатории DREAM⁠ в Северо-Западном университете. Планируется, что ИИ будет предлагать конструкции белков, роботы — синтезировать и испытывать их, а результаты — улучшать модели. Исследователи смогут запускать эксперименты удалённо.

Ещё один результат заставляет задуматься: 49% опрошенных говорят, что ИИ склоняет их к более осторожным проектам, развивающим известное; 28% — к рискованным исследованиям. Авторы предполагают «эффект фонаря»: проще работать там, где уже есть данные. При этом 68% отмечают облегчение доступа к идеям других дисциплин.

Оговорка: это самооценки участников нерепрезентативной выборки (всего участвовало 600 ученых). Ну и сам опрос не доказывает причинность.

Для меня вывод практический: внедрение ИИ требует инвестиций в экспериментальную базу и воспроизводимость. Модель управления наукой должна больше мотивировать ИИ-исследователей к рискованным проектам. Иначе все ринутся «туда, где светло» и больше вероятность получить грант и +1 к Хиршу.