Найти в Дзене
УМАПАЛАТА

Наука будущего: смогут ли алгоритмы полностью заменить экспериментаторов?

Может ли грядущий GAI заменить всех ученых в будущем (а некоторых уже и в настоящем)? Обсудим. Что делает ученый-экспериментатор? Он пользуется своей контекстностью: знаниями, опытом, наблюдениями, чтобы у себя в голове скрещивать различные элементы из одной или разных научных областей, в результате чего рождается постановка вопроса и способ ответа на этот вопрос. Если ученый хороший, то скрещивания идей в голове годные и потенциально отвечают на животрепещущие вопросы: например, как повысить урожайность озимых, усталостную прочность стали или блестящесть лака для ногтей. Так мы получаем рабочую гипотезу. Дальше дело за экспериментальной проверкой. Надо подобрать такие инструменты, которые позволили бы проверить гипотезу и, если она работает, установить ее ограничения, а если нет, понять почему. В принципе, все, что мы озвучили, мог бы осуществлять и условный андроид. Судите сами: загружаем в него базу данных, всю накопленную человечеством научную литературу, от Аристотеля до свежих пр

Может ли грядущий GAI заменить всех ученых в будущем (а некоторых уже и в настоящем)? Обсудим.

Что делает ученый-экспериментатор? Он пользуется своей контекстностью: знаниями, опытом, наблюдениями, чтобы у себя в голове скрещивать различные элементы из одной или разных научных областей, в результате чего рождается постановка вопроса и способ ответа на этот вопрос.

Если ученый хороший, то скрещивания идей в голове годные и потенциально отвечают на животрепещущие вопросы: например, как повысить урожайность озимых, усталостную прочность стали или блестящесть лака для ногтей. Так мы получаем рабочую гипотезу.

Дальше дело за экспериментальной проверкой. Надо подобрать такие инструменты, которые позволили бы проверить гипотезу и, если она работает, установить ее ограничения, а если нет, понять почему.

В принципе, все, что мы озвучили, мог бы осуществлять и условный андроид. Судите сами: загружаем в него базу данных, всю накопленную человечеством научную литературу, от Аристотеля до свежих препринтов на arXiv. Добавляем алгоритмы машинного обучения, которые имитируют "скрещивание" идей: нейросети, генерирующие гипотезы на основе паттернов из миллионов статей.

Даём щупальца-манипуляторы, роботизированные руки, подключённые к лаборатории с датчиками, и вуаля: андроид ставит эксперименты, фиксирует данные, анализирует отклонения и корректирует модель. Звучит как sci-fi, но уже не совсем фантазия.

А ведь история уже знает прецеденты. В 1950-х Алан Тьюринг мечтал о машинах, имитирующих мышление, а в 1970-х появились первые экспертные системы вроде MYCIN, диагностирующие инфекции лучше некоторых врачей. Сегодня AlphaFold от DeepMind предсказывает структуры белков - задачу, на которую у биохимиков уходили годы экспериментов.

Но пока у машин критически не хватает той самой контекстности. Только в мозгу человека внезапно могут встретиться какая-нибудь фантастическая идея из мультфильма о трансформерах, который ученый видел в детстве, и пара нужных строчек из скучного справочника, который он читал на прошлой неделе, чтобы появилась новая совершенно неожиданная мысль.