Роль нейросетей в научных исследованиях можно разделить на две основные категории. Первая - нейронные сети как инструмент. В этом случае их используют для моделирования широкого спектра процессов и явлений в биологии, физике, химии, социальных науках и других областях. К примеру, модель AlphaFold от DeepMind умеет предсказывать структуру белков на основе последовательности аминокислот, рассказал научный сотрудник лаборатории FusionBrain Института AIRI Антон Разжигаев.
"Это достижение значительно ускорило прогресс в биохимических исследованиях", - уточнил он.
Вторая категория - это нейронные сети как ассистенты. Как правило, они применяются на начальных этапах научного процесса. Конечно, ИИ все еще может "галлюцинировать", давать недостоверную информацию, но все же уже способен генерировать новые идеи, фильтровать потенциально перспективные концепции, помогать запускать новые направления и вести осмысленные дискуссии по сложнейшим научным проблемам. Также нейросети существенно ускоряют интерпретацию результатов экспериментов.
Что касается будущего, то весь цикл научных исследований будет замкнут внутри AI-системы: от создания идей до проверки гипотез, полагает Разжигаев. При этом он отметил, что ИИ не ограничивается только языковыми моделями - его потенциал намного шире, но, вероятнее всего, ядром станет именно LLM.
Вместе с тем применение ИИ в науке несет ряд рисков. Основной из них - проблема злоупотребления помощью языковых моделей при написании научных статей.
"Использование LLM для улучшения ясности и структуры текста вполне допустимо. Однако, когда вся содержательная часть научной работы состоит из сгенерированного ИИ контента, это создает серьезную проблему, рассеивая внимание научного сообщества и отвлекая от действительно глубоких и значимых исследований", - подчеркнул собеседник.
Также языковые модели склонны к ошибкам, поэтому по-прежнему требуется тщательная проверка компетентным специалистом.
"Интересно, что слова, характерные для текстов ChatGPT (например, "delve", "realm"), стали встречаться в научных публикациях в десятки раз чаще, что может указывать на растущее участие ИИ при написании научной литературы", - добавил Разжигаев.
Главная цель заключается в том, чтобы сделать технологию более адаптивной к человеческим запросам, улучшить обработку и понимание естественного языка, текстов и зрения. Также нужно обратить внимание на этику и безопасность - ИИ должен служить на благо людей, а не во вред, сказал эксперт в области ИИ и продвинутой аналитики компании Axenix Владимир Кравцев.
"Будущее исследований в ИИ выглядит многообещающим и одновременно полным вызовов. Развитие ИИ связано с развитием квантовых вычислений и нейроморфных систем, что ускорит обучение и создаст более гибкие технологии. В перспективе - интеграция ИИ с биотехнологиями и появление "сильного" ИИ, способного к творческому мышлению", - заключил собеседник.