ИИ может ускорить процесс научных открытий и изменить развитие науки
Ученые чаще всего делают открытия, которые хорошо вписываются в существующую картину. Но ИИ может помочь перевести взгляд туда, куда еще никто не смотрел.
Исследователи из Университета Чикаго построили модели, позволяющие предсказывать научные открытия и даже конкретных ученых, которые их сделают. Исследователи назвали свои модели «радикальном дополненным интеллектом». Они рассмотрели не только материал статей, но и взаимоотношения ученых, и показали, что существует целый класс «чужих» гипотез, которыми несмотря на их перспективность, скорее всего, никто не будет заниматься, поскольку они не входят в сферу интересов ни одной научной коллаборации. ИИ может такие гипотезы сформулировать, и они могут оказаться крайне важными.
Существующие модели ИИ, обученные на основе опубликованных научных результатов, неоднократно и небезуспешно использовались для формулирования новых научных гипотез, в том числе создания материалов с заданными свойствами и разработки новых методов лечения.
Но в новой работе ученые предлагают рассматривать не только статьи, но и самих ученых, их конкуренцию и кооперацию. Исследователи рассмотрели, как люди конкурировали и сотрудничали в научных исследованиях на протяжении всей истории человечества, и задались вопросом, чему можно научить ИИ, если он будет явно осведомлен об опыте людей. Можем ли мы с помощью ИИ дополнить коллективный человеческий потенциал, указывая на те области, которые люди пропускают? Вывод, к которому пришли исследователи: да, можем, и это значительно ускорит развитие науки.
Прогнозирование будущих открытий
Команда начала с моделирования процесса рассуждений ученого, который осваивает новою область науки и ищет сферу приложения своих усилий. Исследователи устроили случайную прогулку по научной литературе. Они начинали со случайной статьи, посвященной какой-либо теме, например, вакцинации COVID. Затем они переходили к статье, посвященной этой же теме, затем к другой статье тех же авторов авторов или к материалу, цитируемому в этой статье. И так далее по практически необозримой сети научной информации. Примерно так и начинает работу любой ученый, чтобы сориентироваться в материале. Но вот чего ученый сделать не может: он не в силах охватить весть объем материала.
Исследователи с помощью модели ИИ совершили миллионы таких случайных блужданий. Новая модель ИИ позволила на 400% увеличить количество предсказаний открытий по сравнению с моделями, которые игнорировали авторов и ориентировались только на содержание исследований. (Можно сказать, что так модель обучалась: она в результате случайных блужданий находила уже сделанные открытия.) Кроме того, исследователи смогли с точностью более 40% предсказать реальных людей, которые сделали каждое из этих открытий, поскольку программа знала, что именно этот ученый является одним из немногих, чей опыт, знания и возможности сотрудничества наиболее тесно связаны с рассматриваемым объектом и материалом.
Во второй демонстрационной работе модель ИИ попросили не делать предсказания гипотез, которые с наибольшей вероятностью будут обнаружены людьми, а найти гипотезы, которые являются научно правдоподобными, но ученые почти наверняка ими заниматься не будут.
Исследователи отнесли эти предсказания к так называемым «чужим» гипотезам, которые обладают тремя особенностями: они редко обнаруживаются людьми; если они обнаруживаются, то только через много лет, когда научные системы реорганизуются; и они в среднем лучше сделанных людьми, вероятно, потому, что люди сосредотачиваются на том, чтобы выжать все из проверенных теорий, прежде чем искать новые. Эти «чужие» гипотезы ИИ научился находить.
Радикально расширенный интеллект
«Люди в науке, технологии, культуре — стараются держаться ближе к своей стае», — говорит соавтор работы Джеймс Эванс. — «Вы выживаете за счет влияния, которое оказывают другие, используя ваши идеи или технологии. И чем вы ближе к стае, тем ваше влияние сильнее. Наши модели исправляют это предубеждение, создавая алгоритмы, которые как бы переводят взгляд на такие гипотезы, которые ни одна стая рассматривать сегодня не готова».
Использование ИИ для выхода за рамки существующих методов научного поиска и сотрудничества, вместо того чтобы отражать то, о чем ученые-люди, вероятно, будут думать в ближайшем будущем, расширяет человеческие возможности за счет «слепых» зон, где и лежат «чужие гипотезы».
«Речь идет о том, чтобы изменить концепцию ИИ, перейдя от искусственного интеллекта к радикально дополненному интеллекту (по аналогии с дополненной реальностью), что требует не столько изучения индивидуальных и коллективных когнитивных способностей, сколько их расширения», — сказал Эванс. — «Когда мы лучше разберемся в человеческом понимании, мы сможем явно проектировать системы, которые компенсируют человеческие ограничения и приведут к тому, что мы будем коллективно знать больше».