Искусственный интеллект в научных открытиях
Искусственный интеллект меняет научные открытия — обзор того, как ИИ становится инструментом научного поиска в биологии, климатологии, нейронауке, математике и других областях. Текст основан на материалах конференции Stanford HAI AI+Science: Accelerating Discovery, прошедшей 5 мая 2026 года.[1]
Искусственный интеллект готов радикально изменить научные исследования во множестве областей — от нейронауки до космологии, открывая «совершенно новые горизонты» подобно тому, как в своё время это сделали телескоп и микроскоп.
Но, в отличие от телескопа или микроскопа, ИИ не просто позволяет видеть больше. Он помогает учёным находить, понимать и использовать сложные закономерности в огромных массивах данных, которые человеческий разум самостоятельно охватить не способен.
«ИИ, безусловно, позволит совершать новые научные открытия, но и требования к научным приложениям будут стимулировать создание более совершенного ИИ», — отметил Surya Ganguli, нейробиолог и исследователь ИИ из Стэнфорда.[1]
Конференция объединила специалистов самых разных направлений: биологов, изучающих всё — от генов до мозга; учёных, исследующих климат, океаны и погоду; физиков, работающих над вопросами от элементарных частиц до устройства Вселенной; а также математиков, изучающих язык природы. Вместе они обсуждали, какие возможности открывает ИИ, где проходят его ограничения и как меняется роль учёного в эпоху искусственного интеллекта.
Главная мысль, звучавшая на протяжении всех выступлений, была простой: ИИ способен приблизить прорывы, которые раньше казались невозможными, но ключевые решения по-прежнему остаются за человеком.
«ИИ меняет то, какие задачи становятся решаемыми, но не говорит нам, какие задачи действительно важны», — подчеркнула Risa Wechsler. «Какие проблемы имеют значение и что они означают для нас — это по-прежнему исключительно человеческий вопрос».[1]
ИИ меняет границы возможного
Для многих исследователей ИИ перестал быть просто инструментом и всё чаще выступает в роли полноценного научного помощника, а иногда и самостоятельного исследователя. Он генерирует гипотезы, проектирует эксперименты, анализирует данные и ускоряет процесс открытий.
Климат и океаны
В науках о Земле ИИ начинает заменять чрезвычайно затратные численные модели климата высокоскоростными эмуляторами.
Профессор Laure Zanna рассказала о модели Samudra, которая способна предсказывать состояние океанов в 1000 раз быстрее традиционных методов. На одном графическом процессоре она моделирует около 1000 лет климатической динамики за сутки, тогда как прежние модели успевали рассчитывать лишь около 12 лет за день.[1]
Биология
Профессор Стэнфорда Brian Hie представил языковую модель ДНК EVO, которая умеет создавать новые системы CRISPR-Cas для редактирования генома.
Кроме того, модель уже спроектировала 16 ранее неизвестных вирусов, способных уничтожать бактерии.[1]
Нейронаука
По словам профессора офтальмологии Стэнфорда Andreas Tolias, исследователи создают цифровых двойников мозга, на которых можно запускать миллионы виртуальных экспериментов для расшифровки нейронного кода.[1]
Математика
Генеральный директор компании Axiom и математик Carina Hong отметила, что ИИ уже помогает продвигаться в решении давних задач алгебраической теории чисел.[1]
Автономные научные агенты
Некоторые исследователи идут ещё дальше и создают полностью автономных ИИ-агентов, способных проводить исследования практически самостоятельно.
Профессор Стэнфорда James Zou разработал систему Virtual Lab, в которой ИИ-агенты:
- генерируют гипотезы;
- проектируют эксперименты;
- анализируют результаты;
- проводят собственные «научные совещания»;
- обсуждают возможные решения поставленных людьми задач.
В одном из экспериментов учёный попросил агентов создать белки-связывающие молекулы против новых вариантов COVID-19. Уже через несколько дней система предложила новые антитела, которые затем были синтезированы и проверены в реальной лаборатории.
«Экспериментально мы показали, что они связываются с новыми вариантами COVID лучше, чем ранее созданные человеком нанотела», — отметил Зоу.[1]
Люди по-прежнему решают, что действительно важно
Несмотря на впечатляющие успехи ИИ, участники конференции сошлись во мнении: люди должны оставаться руководителями научного процесса, задающими направление исследований и несущими ответственность за их последствия.
Профессор James Evans отметил, что ИИ чаще занимается дедуктивной наукой — достраивает недостающие элементы на основе уже известных закономерностей.
Однако настоящие научные прорывы часто возникают иначе.
Люди способны заниматься абдуктивным мышлением — делать неожиданные интеллектуальные скачки, сталкиваясь с явлениями, которые нарушают ожидания.
По словам Эванса: «Статьи, написанные ИИ, скучны. Они основаны на ожиданиях».[1]
Профессор Стэнфорда Anshul Kundaje добавил, что биологические данные часто содержат ошибки и систематические искажения, поэтому человеческое понимание необходимо для проверки моделей и интерпретации результатов.
Профессор коммуникаций Angèle Christin назвала научную работу ремеслом. По её мнению, результаты сами по себе ничего не значат, пока не будут проверены и осмыслены научным сообществом, которое годами вырабатывает навыки их интерпретации.[1]
Как изменится рецензирование научных работ
Современная система научного рецензирования уже испытывает серьёзную нагрузку. Количество научных публикаций растёт быстрее, чем число экспертов, способных их проверять.
ИИ может многократно увеличить поток новых работ.
«Гипотезы станут дешёвыми. Их будут миллиарды. Учёным придётся эволюционировать», — заявил Benjamin Nachman.[1]
Среди предлагаемых решений:
- использование ИИ для первичной проверки статей;
- автоматическая проверка доказательств и программного кода;
- сокращение числа принимаемых публикаций;
- переход к открытому рецензированию без анонимности.
Профессор Douglas Finkbeiner отметил, что даже если статьи будут читать в основном машины, сам процесс написания останется важнейшей частью научного мышления.
«Письмо — это форма мышления. Важно помнить, что написание статьи может иметь огромную ценность даже тогда, когда её будет читать только ИИ».[1]
Будущее подготовки учёных
Участники конференции также предупредили о риске деградации навыков.
Если ИИ будет выполнять всё больше интеллектуальной работы, люди могут постепенно утратить способность самостоятельно решать сложные задачи.
Финкбайнер сформулировал это жёстко: «Настоящая угроза — не ядерные грибы. Настоящая угроза в том, что мы сами станем глупее».[1]
Он подчеркнул, что учёным необходимо сохранять «интеллектуальные мышцы» и продолжать самостоятельно выполнять исследования.
Кристин добавила, что университеты не должны жертвовать подготовкой аспирантов и молодых исследователей ради эффективности ИИ-систем.
Главный вывод конференции
ИИ становится одной из самых мощных технологий в истории науки. Он способен ускорять открытия в биологии, климатологии, математике, физике и множестве других областей.
Однако участники конференции подчёркивают: ИИ не заменяет учёного. Он расширяет возможности человека, помогает работать с объёмами информации, недоступными человеческому разуму, но вопросы о том, что исследовать, зачем это делать и как использовать результаты, остаются за людьми.
Именно в этом сочетании человеческого понимания и машинной мощности многие исследователи видят будущее науки.