Как искусственный интеллект может произвести революцию в науке

ДЭБАТЕ о искусственный интеллект (ИИ) имеет тенденцию сосредотачиваться на своих потенциальных опасностях: алгоритмической предвзятости и дискриминации, массовом уничтожении рабочих мест и даже, как говорят некоторые, вымирании человечества. Однако, пока одни наблюдатели обеспокоены этими антиутопическими сценариями, другие сосредотачиваются на потенциальных выгодах. ай они утверждают, что может помочь человечеству решить некоторые из его самых больших и сложных проблем. И, говорят, ай сделает это весьма специфическим способом: радикально ускорив темпы научных открытий, особенно в таких областях, как медицина, климатология и зеленые технологии. Такие светила в этой области, как Демис Хассабис и Ян ЛеКун, считают, что ИИ может ускорить научный прогресс и привести к золотому веку открытий. Могут ли они быть правы?

Подобные заявления заслуживают изучения и могут стать полезным противовесом опасениям по поводу масштабной безработицы и роботов-убийц. Многие предыдущие технологии, конечно, ошибочно провозглашались панацеей. Электрический телеграф восхвалялся в 1850-х годах как вестник мира во всем мире, как и самолеты в 1900-х годах; эксперты в 1990-х годах говорили, что Интернет уменьшит неравенство и искоренит национализм. Но механизм, с помощью которого ИИ Предполагается, что решение мировых проблем имеет более прочную историческую основу, поскольку в истории было несколько периодов, когда новые подходы и новые инструменты действительно помогали вызвать всплески меняющих мир научных открытий и инноваций.

В 17 веке микроскопы и телескопы открыли новые горизонты открытий и побудили исследователей отдать предпочтение собственным наблюдениям, а не общепринятым знаниям древности, а появление научных журналов дало им новые способы делиться и публиковать свои открытия. Результатом стал быстрый прогресс в астрономии, физике и других областях, а также новые изобретения — от маятниковых часов до парового двигателя — главной движущей силы промышленной революции.

Затем, начиная с конца 19-го века, создание исследовательских лабораторий, которые объединили идеи, людей и материалы в промышленном масштабе, привело к дальнейшим инновациям, таким как искусственные удобрения, фармацевтические препараты и транзистор, строительный блок компьютера. С середины 20-го века компьютеры, в свою очередь, открыли новые формы науки, основанные на симуляции и моделировании, от проектирования оружия и самолетов до более точного прогнозирования погоды.

И компьютерная революция, возможно, еще не завершилась. Как мы сообщаем в специальный раздел науки, ИИ инструменты и методы сейчас применяются почти во всех областях науки, хотя степень их внедрения сильно различается: 7,2% статей по физике и астрономии, опубликованных в 2022 году, касаются ИИнапример, по сравнению с 1,4% в ветеринарии. ИИ используется во многих отношениях. Он может идентифицировать многообещающих кандидатов для анализа, таких как молекулы с особыми свойствами при разработке лекарств или материалы с характеристиками, необходимыми для батарей или солнечных элементов. Он может просеивать груды данных, например, полученных с помощью коллайдеров частиц или роботизированных телескопов, в поисках закономерностей. И ИИ могут моделировать и анализировать даже более сложные системы, такие как сворачивание белков и образование галактик. ИИ инструменты были использованы для идентификации новых антибиотиков, обнаружения бозона Хиггса и определить региональные акценты у волковсреди прочего.

Все это следует приветствовать. Но журнал и лаборатория пошли еще дальше: они изменили саму научную практику и открыли более мощные средства совершения открытий, позволив людям и идеям смешиваться новыми способами и в большем масштабе. ИИтоже имеет потенциал, чтобы положить начало такой трансформации.

Особенно многообещающими выглядят две области. Первый – «открытие, основанное на литературе» (ЛБД), который предполагает анализ существующей научной литературы с помощью чатаGPT-стилевой языковой анализ для поиска новых гипотез, связей или идей, которые люди могли упустить. ЛБД демонстрирует многообещающую способность находить новые эксперименты, которые стоит попробовать, и даже предлагает потенциальных исследователей для сотрудничества. Это могло бы стимулировать междисциплинарную работу и способствовать инновациям на границах между областями. ЛБД системы также могут выявлять «слепые пятна» в определенной области и даже предсказывать будущие открытия и того, кто их сделает.

Второе направление — «роботы-ученые», также известные как «беспилотные лаборатории». Это роботизированные системы, использующие ИИ формировать новые гипотезы на основе анализа существующих данных и литературы, а затем проверять эти гипотезы, выполняя сотни или тысячи экспериментов в таких областях, как системная биология и материаловедение. В отличие от ученых-людей, роботы менее привязаны к предыдущим результатам, менее подвержены предвзятости и, что особенно важно, их легко воспроизвести. Они могли бы расширить экспериментальные исследования, разработать неожиданные теории и исследовать пути, о которых исследователи-люди могли бы и не подумать.

Идея о том, что ИИ может изменить научную практику, поэтому осуществимо. Но главный барьер носит социологический характер: это может произойти только в том случае, если ученые-люди захотят и смогут использовать такие инструменты. Многим не хватает навыков и подготовки; некоторые беспокоятся о том, что их уволят с работы. К счастью, есть обнадеживающие признаки. ИИ инструменты теперь переходят от толкания со стороны ИИ исследователей к привлечению специалистов в других областях.

Правительства и финансирующие организации могли бы помочь, настаивая на более широком использовании общих стандартов, позволяющих ИИ системы для обмена и интерпретации результатов лабораторных исследований и других данных. Они также могли бы финансировать дополнительные исследования по интеграции ИИ интеллект с помощью лабораторной робототехники и в формы ИИ помимо тех, которые преследуются в частном секторе, который поставил почти все свои фишки на языковые системы, такие как ChatГПТ. Менее модные формы ИИтакие как машинное обучение на основе моделей, могут лучше подходить для научных задач, таких как формирование гипотез.

Добавление искусственного

В 1665 году, в период быстрого научного прогресса, Роберт Гук, английский эрудит, описал появление новых научных инструментов, таких как микроскоп и телескоп, как «добавление искусственных органов к естественным». Они позволяют исследователям исследовать ранее недоступные области и открывать вещи по-новому, «принося огромную пользу всем видам полезных знаний». Для современных преемников Гука добавление искусственного интеллекта к научному инструментарию может привести к тому же в ближайшие годы – с такими же изменяющими мир результатами. ■

Только для подписчиков: чтобы увидеть, как мы создаем обложки каждой недели, подпишитесь на нашу еженедельную рассылку. Информационный бюллетень с обложкой.