Резюме основных идей статьи
Основная мысль статьи заключается в том, что современные алгоритмы искусственного интеллекта (ИИ) хорошо справляются с точными прогнозами в рамках существующих научных подходов (что можно сравнить с детальной картой, но не способной указать направление движения), однако они не могут способствовать таким революционным открытиям, которые полностью меняют основы науки (например, теория относительности или теория эволюции). Автор предупреждает о риске возникновения «неконвенциональной науки» из-за чрезмерной зависимости от ИИ: мы ускоряем процесс исследований в рамках существующих моделей, но при этом теряем способность формулировать новые вопросы. Чтобы изменить ситуацию, необходимо создавать ИИ, способного мыслить вне рамок установленных концепций, а также использовать ИИ для изучения самых основ науки (метанауки) с целью создания условий, благоприятствующих парадигматическим сдвигам.
1. Метафора карты: почему ИИ не может осуществлять «большие инновации»
В статье приводятся два примера, иллюстрирующих ограничения ИИ:
- Идеальная карта Борхеса: карта размером с империю с 100% точными деталями, но бесполезная для навигации; современный ИИ похож на такую карту: он обучается на огромных данных (например, триллионах текстовых записей или структур белков) и может точно предсказывать результаты в рамках существующих моделей (например, AlphaFold предсказывает структуру белков), но не способен создавать новые подходы.
- Революция на картах лондонского метрополитена: до 1933 года карты были точно изготовлены с учетом географических особенностей, но центральные станции занимали слишком много места, а пригородные районы оставались неуказанными; Гарри Бек отказался от географической точности и изобразил станции в виде цветных линий с равномерно расположенными пунктами, что сделало карту намного более понятной. Это пример парадигматического сдвига, однако ИИ не может самостоятельно отказаться от старых подходов и создать новые, более эффективные модели.
2. «Неконвенциональная наука»: скрытые опасности ИИ
Под «неконвенциональной наукой» понимается ситуация, когда способность к прогнозам в рамках существующих моделей улучшается, но способность формулировать новые вопросы ухудшается. В статье приводятся следующие примеры:
- Эпидемия холеры в Лондоне 1849 года: врач Фарл при помощи карты обнаружил, что уровень смертности выше в низинных районах, и предположил, что причина – вредные газы; если бы ИИ анализировал данные Фарла, он мог бы точно предсказать следующее распространение заболевания, но так и не выявил бы реальную причину (эту проблему позже разрешила теория бактерий Базеля).
- Проект DeepMind GNoME: он обнаружил 2,2 миллиона новых материалов, но большинство из них представляло собой замены уже известных структур (например, использование элементов, расположенных рядом в периодической таблице).
- Ограничения исследований при помощи ИИ: ученые, работающие с ИИ, публикуют больше статей и получают больше цитаций, но объем их исследований сократился на 5%; ИИ направляет их на изучение уже известных областей, а не на поиск новых подходов. Риск заключается в том, что мы ошибочно считаем большое количество деталей более глубоким пониманием науки, упуская возможность открытий, способных изменить мир.
3. Секреты парадигматических сдвигов: как это делают люди?
Автор приводит примеры Эйнштейна и Дарвина, чтобы выделить три ключевых фактора, способствующих парадигматическим сдвигам:
- Приоритет простоты: Эйнштейн заменил сложную теорию эфира двумя принципами (одинаковость физических законов во всех системах отсчета, постоянство скорости света); Максвелл объединил электричество и магнетизм четырьмя уравнениями. Хорошие парадигмы обычно просты и способны объяснять большее количество явлений.
- Междисциплинарные аналогии: Дарвин вдохновился экономическими теориями Мальтуса (конкуренция за ресурсы) и разработал теорию эволюции; Фейнман обнаружил, что процессы теплопередачи, потока жидкостей и электростатики определяются одними и теми же уравнениями. Междисциплинарные связи могут привести к новым выводам.
- Смелость выхода за рамки установленных концепций: Эйнштейн, не будучи академическим специалистом, смог преодолеть традиционные представления; математик Пуанкаре, не отказываясь от концепции эфира, так и не пришел к теории относительности.
- Терпимость к недостаткам: первоначальная теория дарвиновского естественного отбора не включала механизмы наследственности, но основная идея оказалась достаточно сильной; дополнительные данные (теория генетики) позволили уточнить ее.
4. Как создать «проникновенный ИИ»?
Чтобы ИИ мог способствовать парадигматическим сдвигам, автор предлагает следующие подходы:
- Стремление к простоте: системы ИИ на основе метода Feynman’s Method используют алгоритмы символьного регрессия для поиска наиболее простых уравнений, позволяющих объяснить данные; таким образом было обнаружено 100 новых уравнений из лекций Фейнмана (что на 29 больше, чем с помощью предыдущих программ).
- Поиск междисциплинарных аналогий: ИИ может выявлять сходства между различными областями на основе больших данных (например, связывать экономику и биологию).
- Сочетание человеческого опыта и ИИ: мультимодальные системы ИИ (обработка зрительной, тактильной и двигательной информации) или автономные лаборатории (ИИ + роботы) позволяют объединять абстрактные модели с реальными данными.
- Совместная работа человека и ИИ: человек обладает многодисциплинарными способностями, а ИИ – возможностью обрабатывать большие объемы данных; совместие этих двух подходов может привести к открытиям, недостижимым в одиночку.
5. Метанаука: использование ИИ для изучения самой науки
Для того чтобы ИИ мог способствовать парадигматическим сдвигам, необходимо сначала понять, как функционирует наука. Это и есть метанаука:
- Симуляция научных условий: мы не можем проводить контрольные эксперименты в реальных лабораториях, но ИИ может их моделировать.
- Анализ данных: ИИ может помочь в анализе больших объемов информации, выявляя закономерности и новые связи.
В целом, статья подчеркивает важность инноваций и междисциплинарного сотрудничества для развития науки и технологий.