Искусственный интеллект меняет науку: как ИИ ускоряет открытия и лекарства.

Как сообщает Vox: Америка, вы выразили свое мнение четко: вам не нравится ИИ.

Согласно опросу Pew Research Center, опубликованному в сентябре, 50% опрошенных больше обеспокоены ИИ, чем восторгаются им; лишь 10% высказали противоположное мнение. Большинство, 57%, считают, что социальные риски от ИИ высоки, тогда как только 25% уверены, что выгоды от его внедрения будут заметными. В другом опросе лишь 2% респондентов полностью доверяют способности ИИ принимать справедливые и беспристрастные решения, в то время как 60% либо частично, либо совсем не доверяют ему.

Несмотря на то, что американцы на самом деле активно используют ИИ, эти страхи вполне понятны. Люди волнуются, что ИИ забирает их рабочие места, ресурсы и возможности. Даже самые оптимистичные представления о ИИ, которые обещают мир без работы, выглядят настолько утопично, что это также может вселять страх.

Наши противоречивые чувства хорошо иллюстрирует график из Dallas Fed, который прогнозирует, как ИИ может повлиять на экономику в будущем:

Красная линия: сингулярность ИИ и почти неограниченные ресурсы. Фиолетовая линия: полное уничтожение человечества со стороны ИИ и, эээ, нулевые ресурсы.

Нам действительно нужны лучшие идеи

Но вот плохие новости: растет количество свидетельств, что человечество генерирует все меньше новых идей. В одном из широко цитируемых исследований экономист Николас Блум и его коллеги выяснили, что сейчас нам нужно значительно больше исследователей и затрат на НИОКР, чтобы удержать производительность на привычном уровне. То есть, мы должны работать усерднее, чтобы остаться на месте.

В науке ситуация аналогична. В 2023 году в журнале Nature проанализировали 45 миллионов статей и почти 4 миллиона патентов, выяснив, что работа становится менее 'разрушительной' со временем. Есть также демографическая проблема: новые идеи возникают от людей, так что меньшее количество населения означает меньше идей. В богатых странах рождаемость ниже уровня воспроизводства, а всемирное население, вероятно, скоро достигнет пика, а затем начнет снижаться, что приведет к сценарию 'пустой планеты'.

Одна из основных проблем в том, что ученым приходится пересматривать слишком много литературы. Они слишком углубляются в данные, чтобы использовать их в настоящей научной работе. Но именно эти узкие места ИИ может решить.

Профессор ИИ к вашим услугам

Яркий пример — AlphaFold, система Google DeepMind, которая предсказывает 3D-структуру белков на основе их аминокислотных последовательностей. Благодаря AlphaFold биологи получают качественные прогнозы относительно практически всей белковой вселенной, что упрощает разработку новых лекарств, вакцин и ферментов. AlphaFold даже получил Нобелевскую премию по химии в 2024 году.

Или возьмем материаловедение. В 2023 году DeepMind представила GNoME, графовую нейронную сеть, натренированную на данных о кристаллах, которая предложила около 2,2 миллиона новых неорганических кристаллических структур.

Если мы всерьез относимся к тому, чтобы сделать жизнь более доступной и богатой — если мы всерьез воспринимаем рост — то не следует рассматривать запрет ИИ или поклонение ему как величайший политический проект.

Или возьмем прогнозирование погоды. Модель GraphCast от DeepMind способна обучаться на основе десятилетий данных и обеспечивать глобальный 10-дневный прогноз менее чем за минуту.

Во всех этих примерах ученые могут применять ИИ для анализа уже имеющихся данных, что позволяет им выполнять задачи, которые ранее были невозможны.

Автоматизированная лаборатория

Следующая волна еще удивительнее: системы ИИ, которые могут фактически проводить эксперименты.

Один из примеров — Coscientist, 'партнер лаборатории', созданный исследователями университета Карнеги-Меллон. Система может читать документацию, планировать эксперименты и управлять реальными инструментами в автоматизированной лаборатории.

Также есть FutureHouse, небольшая некоммерческая организация, которая имеет амбицию создать 'ученого ИИ'. В этом году FutureHouse запустила платформу с четырьмя специализированными агентами, которые могут уменьшить нагрузку на ученых. Одним из таких агентов является Robin, который объединяет все эти инструменты в нечто близкое к конечному научному рабочему процессу.

Объединив все эти элементы, можно представить будущее, где ученые больше сосредотачиваются на выборе важных вопросов и интерпретации результатов. В то же время система ИИ выполняет рутинную работу, как армия бесплатных аспирантов.

Мы должны использовать ИИ для важных задач

Даже если мировое население достигает плато, а США продолжают усложнять иммиграцию для ученых, мощный ИИ в науке на самом деле может увеличить количество умов, работающих над сложными проблемами. Таким образом, используя ресурсы с умом, мы можем сделать существующих исследователей более продуктивными.

Тем не менее, применение ИИ имеет риски. Модели ИИ, которые могут помочь в интерпретации научных статей, также могут неправильно их трактовать, что может привести к вредным экспериментам.

Когда я снова смотрю на график Dallas Fed, понимаю, что настоящая пропущенная линия — это незаметная инфраструктура, которая помогает ученым быстрее находить хорошие идеи и восстанавливать продуктивность.

Общественность имеет право беспокоиться о потенциальных угрозах ИИ; призыв к остановке является рациональным ответом, если решение кажется худшим. Но если нам действительно важно сделать жизнь более доступной, настоящим политическим проектом не является запрет ИИ, а эффективное использование этой новой технологии в научной работе, которая существенно повлияет на здоровье, энергетику, климат и все другие ценности, которые у нас есть.