Технологии искусственного интеллекта меняют язык научных статей и методологию исследований. Но заменить учёных нейросети вряд ли смогут.
Кажется, что искусственный интеллект проник уже во сферы нашей жизни. Однако чаще всего говорят о том, какие преимущества он даёт бизнесу. Между тем, согласно опубликованному 2 года назад докладу ВШЭ "Искусственный интеллект в России: разработка и применение", 40% организаций, изучающих и внедряющих нейросети, составляли вузы и научные центры.
Они же тратили более 50% от всего объёма средств, которые ушли на изучение этой сферы. С тех пор соотношение, конечно, могло измениться, однако схожие тенденции прослеживаются и на более свежем зарубежном материале.
Как выяснили аналитики Oxford Press, весной прошлого года пользовались ИИ в той или иной форме 76% респондентов из мира науки. При этом лишь треть опрошенных заявила о "хорошем понимании искусственного интеллекта", а о доверии к ИИ–компаниям сообщили лишь 8%.
Мыльные пузыри
Более двух третей тех, кто занимается разработкой ИИ в России, являются научными сотрудниками, из них каждый пятый имеет учёную степень, обнаружили во ВШЭ. Однако не только учёные влияют на ИИ. Наука и сама подвергается изменениям по мере внедрения нейросетей.
Социолог и исследователь ИИ Александра Литвинова отмечает, что искусственный интеллект работает как ускоритель и фильтр одновременно. Масштабный анализ почти 68 млн статей разных научных направлений показал, что учёные, использующие ИИ–инструменты, публикуют примерно на две трети больше работ, получают в 3 раза больше цитирований и раньше становятся лидерами исследовательских групп. Казалось бы, отличная история про повышение эффективности.
Но у этой медали есть и обратная сторона: общий "ландшафт науки" сужается. Вместо того чтобы прокладывать новые маршруты, исследователи концентрируются на давно освоенных территориях, богатых данными и привычными темами.
ИИ не производит новое знание, он использует уже имеющееся. Об этом важно помнить. Он действует как мощный прожектор, подсвечивая знакомые зоны, но оставляя в тени менее изученные области. Этот парадокс, подчёркивает Александра Литвинова, ставит перед академическим миром важный вопрос: как сохранить баланс между личным карьерным успехом и развитием науки?
Меняется и язык, которым пишутся статьи. На него прямо влияют большие языковые модели, которые используются для генерации текста.
“
"Иногда могу прочитать два−три абзаца, и возникает ощущение, что в них говорится примерно одно и то же, но разными словами. И я, конечно же, начинаю подозревать, что автор этого текста использовал какой–нибудь ИИ. Потому что обычный человек так не пишет. Не все умеют хорошо писать, но люди ошибаются по–другому. Текст вроде бы объёмный, много солидных терминов и витиеватых конструкций, но за всей этой пеной почти нет смысла. Получаются блестящие пузыри, переливающиеся на свету. Но только внутри пустота. И если кусочек содержания там и есть, его приходится выискивать с лупой", — объясняет Александра Литвинова.
Силён в математике
Между тем подход к использованию ИИ становится всё более строгим и системным. В этом году в рамках федерального проекта "Искусственный интеллект" семь российских исследовательских центров (среди них — петербургский ИТМО) получили серьёзное финансирование, на общую сумму 4,7 млрд рублей. Деньги выделяются для "фундаментальных исследований в области сильного, доверенного, мультиагентного ИИ".
“
"Именно в сфере ИКТ (информационно–коммуникационные технологии) наблюдается наибольшее использование ИИ и прорывные исследования, особенно в скорости обработки информации и генерации данных. Сейчас математики работают над рефлексией, стремясь научить ИИ мыслить подобно мозгу, создавая так называемый “сильный ИИ”", — комментирует заместитель директора по научной работе Президентской академии в Санкт–Петербурге Юлия Тюрина.
По её мнению, ИИ особенно хорошо применим в физике, химии, инженерных науках и экономике. Там он может эффективно анализировать большие объёмы данных, выявлять закономерности и даже генерировать части статей.
Однако при всём удобстве ИИ есть задачи, которые ему лучше не доверять. Тюрина подчёркивает, что он пока не способен создавать принципиально новые исследования, а также работать с неструктурированными данными и сложными причинно–следственными связями.
Для достоверности результатов, по мнению эксперта, "необходимо использовать проверенные библиотеки и алгоритмы, валидировать модели на независимых данных". Хотя ИИ может в определённом смысле помогать исследователям, автоматизируя проверку расчётов и плагиата, он всё же не способен заменить человека в оценке научной новизны, значимости, оригинальности исследования.
Директор–организатор Школы вычислительных социальных наук Европейского университета в Санкт–Петербурге Евгений Котельников отмечает в качестве одного из рисков "галлюцинации" моделей. Это делает их менее пригодными для внедрения в гуманитарные науки, в отличие от математики или биологии. Так, в начале сентября учёные отечественного центра AIRI с немецким Constructor University представили модель, которая генерирует белковые цепочки в 100 раз эффективнее, чем её аналоги.
Но даже с учётом успехов в подобных отраслях пускать ИИ–агентов в "свободное плавание" в таких отраслях, как атомная энергетика (то есть доверять автономно проводить расчёты, анализировать и собирать данные), пока что рано, считает доцент ИТМО Александр Кугаевских.
По словам Литвиновой, самые полезные сценарии применения ИИ в науке — это редактура текста (особенно на английском), помощь в написании кода и разговоры с "думающей моделью" (которая способна к анализу и построению логических связей из памяти диалога, как ChatGPT o3). Суть в том, что исследователь обсуждает с ней идею исследования, а та выстраивает логические связи и предлагает ходы для размышлений. Такой "диалог" нередко подталкивает к новым неожиданным поворотам мысли или даже к пересмотру первоначальных предположений.
В поисках новых идей
Как будет выглядеть научная среда в перспективе 10 лет, если генеративный ИИ только за последние 3 года смог ощутимо изменить её и закрепиться в фокусе внимания многих исследователей?
Евгений Котельников считает, что предсказать развитие искусственного интеллекта сейчас очень непросто. Внедрение ИИ в науку имеет огромный потенциал, но порождает и серьёзные вызовы — от обеспечения достоверности и борьбы с предвзятостью до решения этических и юридических вопросов, связанных с авторством и ответственностью.
“
"В России ведут важную работу по созданию всесторонней системы регулирования общественных отношений, которые возникают из–за прогресса и применения ИИ. Она охватывает три ключевых аспекта: правовое регулирование, установление технических стандартов и этические нормы использования", — отмечает Юлия Тюрина.
“
"Сомневаюсь, что в ближайшие 10 лет мы получим ИИ–исследователя, который будет самостоятельно, качественно ставить эксперименты и формировать прорывные научные теории. Обобщить — да, предложить решение на основе накопленного опыта — да. Но творческая идея, инсайт — это пока ему недоступно", — резюмирует Александр Кугаевских.
