🔬Кажется, одна из самых недооценённых ролей ИИ в науке вообще не в том, чтобы «совершать открытия».

Гораздо лучше нейросеть справляется с другой задачей: вот тысяча исследований на эту тему, проанализируй и дай мне <подставить нужную задачу>. Чтобы обойти вручную через такой объем информации требуются годы. Так это еще нужно как-то вручную структурировать, не ошибиться, ничего не забыть.

Да, шанс галлюцинаций на таких объемах достаточно высок, но именно для этого применяют небольшой рой моделей вокруг одной и той же задачи. Да и все выводы (даже выдуманные) проверить сильно проще, чем исходный объем информации.

Хорошим примером стал недавний кейс из Сеульского национального университета. Исследователи собрали результаты из сотен научных работ, а ИИ помог вытащить данные из текста, таблиц и даже графиков и привести всё к единому формату.

Затем ИИ перебрал около 150 миллионов возможных комбинаций и сузил выбор до нескольких десятков кандидатов. Два из них синтезировали и получили рабочие материалы с нужными температурными характеристиками.

И нейросети даже не нужно придумывать никакого нового материала или закона физики. Мы еще с старыми исследованиями не разобрались. В химии, материаловедении и биологии огромная часть работы упирается именно в размер пространства поиска и в то, что человек мог не увидеть общей картины в десятках похожих исследований.

Наука десятилетиями производила знания быстрее, чем человек успевал связать их между собой. Теперь впервые появился инструмент, который может попробовать собрать эту мозаику целиком. Что ж, посмотрим что нас ждёт дальше!)