Современная наука генерирует огромное количество информации, анализ которой не под силу отдельным специалистам или исследовательским коллективам. Чтобы справиться с потоком данных, ученые все чаще прибегают к помощи искусственного интеллекта. Однако, возможно, алгоритмы способны на большее, чем просто просеивание огромных массивов информации в поисках закономерностей и аномалий.
Как отмечает Quanta Magazine, использование ИИ может в корне изменить развитие науки. Например, популярный подход к машинному обучению, известный как генеративное моделирование, способен стать третьим методом научного познания — наряду с наблюдением и моделированием. Его суть заключается в выборе наиболее правдоподобной гипотезы для объяснения имеющихся данных.
Генеративные состязательные цепи способны состаривать лица на фотографиях и видео или восстанавливать утраченные фрагменты изображений. Однако ученые поручают им более ответственные задачи — например, исследовать закономерности развития галактик.
Алгоритму предоставляют доступ к огромному набору изображений галактик и формулируют гипотезу. Несмотря на то, что ИИ ничего не знает о законах астрофизики, он помогает выбрать предположение, которое лучше всего подходит для объяснения имеющихся данных.
Вкалывают роботы
Алгоритмы все шире используются и в других областях науки, от квантовой физики до химии. Из-за этого некоторые ученые опасаются, что в будущем наука станет полностью автоматизированной, а их самих заменят алгоритмами.
Однако пока ИИ — лишь дополнительный инструмент в руках исследователя. Его стоит сравнивать не с конкурентом, а с трудолюбивым помощником, который берет на себя скучную и утомительную работу.
Также не стоит забывать, что «ИИ-ученые», подобно своим коллегам-людям, могут ошибаться и требуют контроля.
Вопрос о том, как далеко зайдет ИИ-революция в науке, остается открытым. Ряд экспертов указывает на существенные ограничения алгоритмов, которые работают исключительно с данными. Простой анализ больших массивов информации не будет плодотворным, если не основан на гипотезе или модели. А для их создания нужен человек — по крайней мере, пока.
По мнению специалистов по статистике из Университета Райса, слепо доверять открытиям, сделанным ИИ, нельзя. Причина в том, что алгоритмы не способны критически относиться к своей деятельности.
