В науке важно не только находить ответы – но и понимать, какие вопросы вообще требуют ответов. Это решение часто основано не просто на формальных критериях, но и на так называемых «неявных знаниях». Неявные знания приобретаются с годами профессиональной работы и не поддаются формализации – иногда их называют опытом, интуицией или вкусом.
Редакторы научных журналов опираются в том числе на «научный вкус», когда решают, заслуживает ли та или иная идея публикации. Разве можно прописать алгоритм для вкуса?
Исследователи из китайского Университета Цинхуа попытались это сделать для ИИ-моделей.
Эксперимент показал:
- Когда ИИ опирался на формальные критерии оценки (научная новизна, полезность), оценить качество научных идей у него получалось довольно плохо – почти на уровне случайного угадывания.
- Но когда модели обучили на тысячах публикаций, просто указав, какие идеи были опубликованы в топовых научных журналах, а какие – в журналах уровнями ниже, то точность оценки («топовая» тема или средняя) резко возросла, до 60–70%.
Получается, ИИ-модели научились «извлекать» негласные критерии качества – то самое неявное знание, – которые эксперты не могут сформулировать словами.
Но значит ли это, что у ИИ появился «научный вкус»?
Нет, и вот почему:
- ИИ действительно способен улавливать паттерны решений научного сообщества из массива исторических данных.
- Но если эксперт пытается оценить, насколько хороша идея, то ИИ пытается предсказать, в какой журнал – топ-уровня или «средний» – эту идею приняли бы.
- Другими словами, ИИ не «понимает» научную ценность – а угадывает решение редколлегий.
Однако, в отличие от эксперта, ИИ способен «пропустить через себя» десятки тысяч статей и столько же решений. В итоге он аппроксимирует средний «вкус» системы, а не одного или нескольких человек.
И именно этим ИИ может быть полезен в любых сферах, где исторические данные о коллективных оценках людей представляют собой извлекаемый сигнал: в венчурном инвестировании, в креативных индустриях, а также в предварительном отборе научных идей, поступающих в научные редакции, полагают авторы. ИИ может сортировать поступающие рукописи, снижая нагрузку на экспертов, и оставлять спорные случаи для человеческого суждения – заменить его он пока не способен.