ИИ пишет код лучше вас, а науку (пока) – нет

Достижения лучших моделей ИИ за последние месяцы выявили одно любопытные явление. Похоже, что искусственный интеллект всё еще не способен к творческим прорывам. Предлагаем поразмышлять почему так и изменится ли это со временем.

Что нас натолкнуло на эту мысль?

30 июля 2026-го года исследователи из Принстона, Стэнфорда, Johns Hopkins и UK AI Security Institute опубликовали «теневые оценки». Они взяли реальные, ещё не опубликованные работы с конференции NeurIPS 2026 и поручили ИИ пройти тот же путь с нуля. Подглядеть в обучающую выборку невозможно, так как этих статей по факту ещё нет.
Агентам, а это, между прочим, Claude Opus 4.8 и GPT-5.6 для контроля, выдали шесть дней, $3000 на API, GPU и открытый интернет.

Что же итоге получилось? Инженерную часть он отработал безупречно. Затем работы отдали авторам исходных статей рецензировать как обычную заявку на NeurIPS: оригинальность, новизна, обоснованность экспериментов, значимость, ясность. Оценки получились так себе: 2 из 6 и 1 из 6. Reject и strong reject. Эксперты заранее ставили 30% на «хотя бы слабый accept». Вышло ноль. Слом произошел не в технической части, а в области оригинальных суждений. Агент проверял гипотезы на игрушечных синтетических выборках, где значимый результат невозможен в принципе, и подавал пустой результат как содержательный вывод. Получив разгромную обратную связь, он не менял подход, а дописывал оговорки. Амбициозные направления бросал в первые десять часов из отведённых ста сорока четырёх.
И еще один любопытный момент. Из $3000 агенты потратили $1130 и $1235. Меньше половины при включённом мониторинге бюджета и прямой инструкции ресурс использовать. Это поведение ученика, который сдал контрольную первым и ушёл, не заподозрив, что оценивают не скорость.

Давайте вместе обсудим, что это всё значит?
Наука – это во многом творчество, поскольку в первичном своем смысле завязана на интуицию. Так, Эйнштейн, по сути, совершил «интуитивный прыжок» настолько мало было данных для построения теории относительности. И он взял догадкой, воображая падающий лифт. Это мысленный эксперимент человека, у которого есть тело и опыт падения.
У модели тела нет, а причинность мира она знает по описаниям. Добавить ко всему природу обучения ИИ с подкреплением, то есть, когда требуется проверяемый ответ: шахматы, код, олимпиадная задача. А для открытого вопроса, на который правильного ответа нет ни у кого, награду попросту не из чего слепить.
И самое главное, так называемая гомогенизация, однородность. Модели не столько порождают новое, сколько усредняют существующее. Ответы разных систем на творческие задачи похожи и заметно беднее человеческого разброса. Попробуйте написать в разных моделях «рассказ в стиле Рея Брэдбери о волшебном коте», вы получите пугающе однообразный результат.
Так что получается, творческие задачи, при чем не только в науке, а вообще в любых областях подвластны только человеку, машина все еще не готова порождать новое, а только быть помощником. В исследовании примерно 80% времени это – рутина и 20% суждение. ИИ забрал ровно те 80%. Исполнение дешевеет, редкое суждение дорожает. Учёный не обесценился. И пока все еще формула такая. ИИ – блестящий исполнитель и никакой автор. Пройти путь он может, а вот выбрать, куда идти, увы, нет.

А что вы думаете, сможет ли искусственный интеллект полноценно ворваться в творческий процесс научного изобретения? И что для этого надо?

Подписывайтесь на наш канал в MAX