В центре Лондона, в бывшей часовой фабрике, гудят белые морозильные камеры. Внутри: десятки небольших коробок со стеклянными трубками со штрих-кодами, вместе содержащими сто миллиардов генов. Всего две коробки могут вместить в 10 раз больше информации, чем весь текст в интернете, говорит доктор Оливер Винс, соучредитель объекта. Об этом сообщает портал Qazaqyia.kz со ссылкой на издание BBC News.

Его компания Basecamp Research планирует собрать как можно больше ДНК, чтобы создать искусственный интеллект, который сможет говорить на языке биологии, подобно тому, как американские и китайские технологические компании собирали письменные материалы в интернете для создания больших языковых моделей (LLM), основы современных систем ИИ.

Винс, как и многие в бизнесе и академических исследованиях, верит, что ИИ ускорит научные исследования. Но это также сопровождается спорами.

В прошлом месяце OpenAI, создатель ChatGPT, заявила, что решила одну из великих нерешенных проблем математики, связанную со знаменитыми уравнениями Навье-Стокса. Компания заявила, что ее агенты ИИ взломали ее за 88 часов. Орган, который вручает приз тому, кто решит проблему, заявил, что она "по-видимому, решена", но его рассмотрение займет время.

Но за несколько часов до объявления математик из Нью-Йоркского университета Тристан Бакмастер публично выразил обеспокоенность. Он сформировал независимую команду с Левентом Альпёге, математиком, работающим днем в конкурирующей компании Anthropic.

Они работали над одной и той же целью и хранили свои черновики в инструменте кодирования OpenAI Codex. Бакмастер сказал, что его соисследователю сообщили, что новости об их прогрессе "достигли" OpenAI, хотя он не уточнил, как. Он спросил, могли ли его исследования, хранящиеся в Codex, повлиять на работу OpenAI, хотя он подчеркнул, что "не обвиняет никого ни в чем".

OpenAI заявила, что никто в компании, человек или ИИ, не видел работу других команд до ее публикации. Первоначально она заявила, что, хотя это маловероятно, она не может "исключить", что анонимизированные данные от использования ее продуктов могли помочь улучшить ее модели. Несколько дней спустя она заявила, что подсказки Бакмастера в Codex за два месяца до объявления "не могли повлиять на систему каким-либо образом".

Это сложная история; мы все еще не полностью знаем, что произошло. Но она высвечивает растущую проблему использования ИИ в науке. Обычно эти слова заставляют нас представлять роботов, создающих ужасные генетически модифицированные вирусы или химическое оружие для уничтожения человечества. Но есть более тонкая проблема, которая не привлекла такого же внимания: ИИ может подорвать веру в научный процесс, вызывая вопросы о новизне и точности исследований.

И есть еще одна проблема. Хорошо известно, что чат-боты с ИИ, такие как Claude или Gemini, иногда могут галлюцинировать вещи, которые просто не соответствуют действительности. Они расскажут вам о фильме, которого никогда не существовало, или о цитате, которая никогда не была сказана. Теперь есть доказательства, что это все чаще происходит в науке. В конечном итоге, опасаются, что станет трудно отделить истинное научное открытие от вымысла, созданного ИИ.

И все это может угрожать подорвать - если не взорвать - скалу, на которой держатся научные исследования: доверие.

Одна угроза - научным журналам, стражам научной целостности, которые, как считается, не справляются с цунами искажений, созданных ИИ.

"Генеративный ИИ в основном разрушил весь научный процесс", - говорит Далмит Сингх Чавла, научный журналист, который десять лет освещал нарушения в исследованиях.

Он говорит BBC, что сотрудники по обеспечению целостности издателей - люди, которые проверяют материалы на точность и надежность - должны будут "резко увеличить [численность и усилия], если они вообще собираются бороться". Он говорит: "Сейчас кажется, что они не готовы".

На первый взгляд, ИИ кажется именно тем инструментом для питания научных исследований. Ученые имеют дело с огромными объемами информации. Телескопы и ускорители частиц, например, собирают миллиарды точек данных - слишком больших для понимания мозгом. ИИ может выбирать научные highlights из окружающей рутины.

Образцовым примером научного ИИ является британская компания Google DeepMind, которая в 2020 году решила одну из самых больших проблем биологии: как белки в живых организмах складываются в свои точные формы.

Это может звучать скучно, но белки - это крошечные машины, которые заставляют жизнь работать, и формы, в которые они складываются, определяют, что они могут делать; от построения клеток и борьбы с инфекциями до помощи в формировании тканей и органов тела.

До ИИ ученым приходилось проводить трудоемкие эксперименты в лаборатории. Затем Google DeepMind разработала модель ИИ под названием AlphaFold, которая точно предсказала 200 миллионов сворачиваний белков всего за один год.

Эквивалентная экспериментальная работа заняла бы сотни миллионов лет в лабораториях. Компания бесплатно передала результаты исследователям. Глава DeepMind и ведущий ученый проекта были удостоены Нобелевской премии по химии.

Доктор Пушмит Кохли, который руководит научной работой DeepMind, сказал мне, что AlphaFold можно рассматривать как "поворотный момент".

Но в других местах использование ИИ в науке сопровождается обвинениями в преувеличении. Некоторые компьютерные модели обвиняются в преувеличении значимости своих выводов, а люди-исследователи, которые их контролируют, затем верят некоторым утверждениям без достаточного скептицизма.

Наслаждаясь успехом AlphaFold, например, DeepMind обратила внимание на предсказание структуры новых материалов. Работа может привести к разработке лучших батарей, более дешевых солнечных элементов и электронных компонентов, не зависящих от редкоземельных элементов. (Теоретически, никому не нужно будет спорить о правах на добычу полезных ископаемых, и Гренландия...)