Нейросети начали опровергать математические гипотезы, которые десятилетиями не поддавались учёным, и почти безошибочно справляются со сложными задачами по теоретической физике. За несколько месяцев искусственный интеллект помог получить результаты, на которые раньше уходили годы исследований. Теперь физики, химики и биологи пытаются понять, сможет ли ИИ самостоятельно открывать законы природы и насколько сильно изменится работа учёных.
В мае модель OpenAI опровергла гипотезу математика Пала Эрдёша, сформулированную почти 80 лет назад. Позднее компания представила предполагаемое решение знаменитой задачи Навье-Стокса, которая касается движения жидкостей и газов. Доказательство вызвало большой интерес, хотя научному сообществу ещё предстоит окончательно оценить результат. В октябре OpenAI пошла ещё дальше и опубликовала 722 работы, подготовленные нейросетью по примерно 370 открытым математическим вопросам. Часть результатов пока ждёт независимой проверки, но скорость работы ИИ уже заставила математиков пересмотреть привычные представления о сложности научных задач.
В теоретической физике прогресс оказался не менее впечатляющим. Исследователи подготовили 50 новых задач, для решения которых опытному специалисту обычно требуется до целого рабочего дня. GPT-6 Astra, работавшая с инструментами поиска и вычислений, правильно ответила на 49 вопросов, набрав 98%. Нейросеть справлялась без подсказок человека, самостоятельно подбирала методы расчётов и обращалась к научной литературе. Однако авторы испытания предупреждают, что умение решать сложные задачи ещё не означает способность совершать принципиально новые открытия.
Математика особенно хорошо подходит для работы с искусственным интеллектом, поскольку правильность доказательства можно проверить строгими логическими правилами. Нейросети помогают специальные программы, включая систему Lean, которая проверяет математические рассуждения шаг за шагом. Даже если человек не понимает предложенное доказательство целиком, программа способна обнаружить логическую ошибку. В физике, химии и биологии такой универсальной проверки нет. Чтобы убедиться в правильности новой теории, учёным приходится проводить эксперименты и сравнивать предсказания с реальными наблюдениями.
Ещё одна трудность кроется в самих научных знаниях. Нейросети изучают опубликованные статьи, но далеко не весь опыт исследователей попадает в научные журналы. Неудачные эксперименты часто остаются за кадром, а многие решения специалисты принимают благодаря годам практики и наблюдений. ИИ может быстро обработать огромное количество информации, но иногда упускает особенности, которые опытный учёный замечает почти сразу.
Химик Лесли Шуп попыталась проверить возможности современных моделей на собственном открытии. Вместе с коллегами исследовательница обнаружила необычную структуру вещества, опираясь на эксперименты, наблюдения и научную интуицию. Затем Шуп предложила нейросетям предсказать существование той же структуры, но ни одна система не справилась. По мнению химика, проблема кроется в отсутствии готового математического способа получить правильный ответ. Учёным пришлось искать решение экспериментальным путём, а у ИИ пока нет сопоставимого опыта работы с реальными веществами.
Зато в задачах, где можно опереться на известные методы и качественные данные, искусственный интеллект уже экономит огромное количество времени. Физик Мэттью Шварц начал проверять Claude на задачах для молодых исследователей и обнаружил, что нейросеть иногда находила ответ за две минуты вместо двух недель человеческой работы. Позднее Шварц с коллегами подготовил 36 научных работ по 22 направлениям, от истории кислорода в атмосфере Земли до изучения солнечных пятен.
Но даже убедительные расчёты могут обмануть. Во время одного из исследований Claude объявила, что нашла способ повысить точность прогнозирования землетрясений на 15%. Шварц заинтересовался результатом, однако приглашённый специалист быстро установил, что заявленное улучшение не подтверждает реального научного прорыва. Нейросеть предложила правдоподобное решение, которое не выдержало профессиональной проверки.
В изучении мозга трудностей ещё больше. Нейробиолог Марк Хистед считает, что для новых открытий учёным прежде всего нужны подробные сведения о работе нервных клеток и связях между ними. Даже самая мощная нейросеть не сможет восстановить закономерности, если исследователи пока не умеют измерять необходимые процессы. Дополнительно мешает сложность биологических систем: малейшее изменение начальных условий иногда полностью меняет дальнейшее развитие событий.
Исследователи пока не пришли к согласию относительно будущего ИИ в науке. Шварц допускает, что нейросети вскоре смогут самостоятельно выполнять значительную часть работы физиков-теоретиков. Шуп настроена осторожнее и сомневается, что нынешний стремительный прогресс продолжится без замедления. Главный вопрос теперь касается границы между умением быстро находить правильные ответы и способностью обнаруживать совершенно новые закономерности. Математика уже показала, насколько далеко продвинулся искусственный интеллект. В остальных науках нейросетям ещё предстоит доказать, что они умеют открывать неизвестное, а не просто блестяще использовать знания людей.