ШІ змінює науку: як штучний інтелект прискорює відкриття та ліки.

Як повідомляє Vox: Америка, ви висловили свою думку чітко: вам не подобається ШІ.

Згідно з опитуванням Pew Research Center, опублікованим у вересні, 50% опитаних більше занепокоєні через ШІ, ніж захоплюються ним; лише 10% висловили протилежну думку. Більшість, 57%, вважають, що соціальні ризики від ШІ є високими, тоді як лише 25% впевнені, що вигоди від його впровадження будуть помітними. У іншому опитуванні лише 2% респондентів повністю довіряють здатності ШІ приймати справедливі та неупереджені рішення, в той час як 60% або частково, або зовсім не довіряють йому.

Незважаючи на те, що американці насправді активно користуються ШІ, ці страхи цілком зрозумілі. Люди хвилюються, що ШІ забирає їхні робочі місця, ресурси та можливості. Навіть найоптимістичніші уявлення про ШІ, які обіцяють світ без роботи, виглядають настільки утопічно, що це також може вселяти страх.

Наші суперечливі почуття добре ілюструє графік з Dallas Fed, що прогнозує, як ШІ може вплинути на економіку в майбутньому:

Червона лінія: сингулярність ШІ та майже необмежені ресурси. Фіолетова лінія: повне знищення людства з боку ШІ і, uh, нульові ресурси.

Нам дійсно потрібні кращі ідеї

Але ось погані новини: зростає кількість свідчень, що людство генерує все менше нових ідей. В одному з широко цитованих досліджень економіст Ніколас Блум і його колеги виявили, що зараз нам потрібно значно більше дослідників та витрат на НДДКР, щоб утримати продуктивність на звичному рівні. Тобто, ми повинні працювати важче, щоб залишитися на місці.

У науці ситуація аналогічна. У 2023 році в журналі Nature проаналізували 45 мільйонів статей і майже 4 мільйони патентів, виявивши, що робота стає менш "руйнівною" з часом. Є також демографічна проблема: нові ідеї виникають від людей, тож менша кількість населення означає менше ідей. У багатих країнах народжуваність нижча за рівень відтворення, а всесвітня популяція, ймовірно, незабаром досягне піку, а потім почне знижуватися, що приведе до сценарію "порожньої планети".

Одна з основних проблем у тому, що вченим доводиться переглядати занадто багато літератури. Вони надто заглиблюються в дані, аби використовувати їх у справжній науковій роботі. Але саме ці вузькі місця ШІ може вирішити.

Професор ШІ до ваших послуг

Яскравий приклад — AlphaFold, система Google DeepMind, що прогнозує 3D-структуру білків на основі їхніх амінокислотних послідовностей. Завдяки AlphaFold біологи отримують якісні прогнози щодо практично всього білкового універсуму, що спрощує розробку нових ліків, вакцин та ферментів. AlphaFold навіть отримав Нобелівську премію з хімії у 2024 році.

Або візьмемо матеріалознавство. У 2023 році DeepMind представила GNoME, графову нейронну мережу, натреновану на даних про кристали, яка запропонувала близько 2,2 мільйона нових неорганічних кристалічних структур.

Якщо ми серйозно ставимося до того, щоб зробити життя більш доступним і багатим — якщо ми серйозно ставимося до зростання — більшим політичним проектом не є заборона ШІ чи поклоніння йому.

Або візьмемо прогнозування погоди. Модель GraphCast від DeepMind здатна навчатися на основі десятиліть даних та забезпечувати глобальний 10-денно прогноз за менш ніж хвилину.

У кожному з цих прикладів вчені можуть застосовувати ШІ для аналізу вже наявних даних, що дозволяє їм виконувати завдання, які раніше були неможливі.

Автоматизована лабораторія

Наступна хвиля дивніша: системи ШІ, які можуть фактично проводити експерименти.

Одним з прикладів є Coscientist, "партнер лабораторії", створений дослідниками університету Карнегі-Меллон. Система може читати документацію, планувати експерименти та керувати реальними інструментами в автоматизованій лабораторії.

Також є FutureHouse, невелика неприбуткова організація, яка має амбіцію створити "науковця ШІ". Цього року FutureHouse запустила платформу з чотирьох спеціальних агентів, які здатні зменшити навантаження на науковців. Одним із таких агентів є Robin, що акумулює в собі всі ці інструменти в щось близьке до кінцевого наукового робочого процесу.

Об’єднавши всі ці елементи, можна уявити майбутнє, де вчені більше зосереджуються на виборі важливих питань та інтерпретації результатів. У той же час система ШІ виконує рутинну роботу, як армія безкоштовних аспірантів.

Ми повинні використовувати ШІ для важливих завдань

Навіть якщо світова популяція досягає плато, а США продовжують ускладнювати імміграцію для вчених, потужний ШІ у науці насправді може збільшити кількість розумів, що працюють над складними проблемами. Таким чином, використовуючи ресурси з розумом, ми можемо зробити існуючих дослідників більш продуктивними.

Проте, застосування ШІ має ризики. Моделі ШІ, які можуть допомогти в інтерпретації наукових статей, також можуть неправильно їх тлумачити, що може призвести до шкідливих експериментів.

Коли я знову дивлюсь на графік Dallas Fed, розумію, що справжня пропущена лінія — це непомітна інфраструктура, яка допомагає науковцям швидше знаходити добрі ідеї та відновлювати продуктивність.

Громадськість має право хвилюватися щодо потенційних небезпек ШІ; заклик до зупинки є раціональною відповіддю, якщо вирішення здається гіршим. Але якщо нам дійсно важливо зробити життя більш доступним, справжнім політичним проектом є не заборона ШІ, а ефективне використання цієї нової технології в науковій роботі, яка суттєво вплине на здоров'я, енергію, клімат та всі інші цінності, які ми маємо.