Учёные – последний фронтир человечества. Или нет? Об ИИ-агентах будущего, неопределённости и студенчестве рассказали на лекции «Может ли ИИ заменить учёных? Агенты и будущее науки и R&D» в рамках Международного фестиваля НАУКА 0+. Мероприятие провёл старший научный сотрудник Центра ИИ МГУ, руководитель группы «Нейрокогнитивные архитектуры» AIRI Пётр Анохин.
©София Саламатина / Журналист Online
На лекции об агентах будущего в науке и R&D прозвучал ключевой тезис: ИИ уже умеет искать информацию, писать код и помогать проверять результаты исследований. На следующем этапе появятся агенты, способные самостоятельно выполнять целую цепочку научной работы. Когда это произойдёт – точно неизвестно, однако сегодня развитие ИИ опережает все возможные прогнозы. Это значит, что нужно уже сейчас задумываться над стратегиями сосуществования с технологиями будущего. В этой ситуации, по словам Анохина, дефицитом становится не вычисления, а умение ставить правильные и оригинальные вопросы.
«Я вам на самом деле не завидую, потому что в будущем абсолютная неопределённость. В данный момент это выражено сильнее, чем когда-либо», – заметил Анохин.
Лектор напомнил о переизбытке экономистов, произошедшем в 2000-е годы, и сравнил их с нынешними представителями IT-сферы, многие из которых тоже не могут найти работу. Кажется, что сегодня последним фронтиром человечества стали учёные, но и здесь не всё гладко.
Сейчас в цифровых областях – например, в математике, IT и машинном обучении – рутинная работа почти автоматизирована. Агентный цикл похож на работу исследователя: планирование, наблюдение, действие и рефлексия. У агента есть для этого необходимые инструменты и данные. Это значит, что учёная среда переживает небывалый кризис, из которого пока не ясно, как выбраться.
В 2024 году японская Sakana AI показала первый заметный пример: агент сгенерировал 50 статей, люди отобрали три, и одна из них была принята на конференцию. Агенты уже могут запускать эксперименты в цифровой среде, писать статьи, делать презентации и выполнять другую работу на компьютере по одному запросу. Позже упоминались системы вроде AlphaEvolve (это DeepMind ИИ-агент, созданный Google для написания и улучшения программного кода, – прим. Саламатина С. И.), которые находили более эффективные алгоритмы, включая перемножение матриц, и оптимизировали вычисления на серверах.
Однако ограничения всё ещё есть. ИИ генерирует много гипотез, но редко формулирует принципиально новые вопросы. Он воспроизводит выученные паттерны и часто сваливается в однотипные решения. Поиск по научной литературе пока слабый: для простых фактов качество выше 80%, для сложных научных запросов – ниже 10%.
Физический мир, воплощение ИИ в осязаемом образе, остаётся вызовом. Развиваются автоматизированные лаборатории с роборуками и монорельсами, но их внедрение небыстрое. Количество статей при этом резко выросло: на ICLR (International Conference on Learning Representations, Международная конференция по изучению репрезентаций, – прим. Саламатина С. И.) подано более 500 тыс. работ, тогда как за несколько лет до этого их было около 5 тыс.
Ценность студента и джуниора тоже размывается: руководителю проще напрямую работать с агентом, в то время как реальные ученики превращаются в «испорченный телефон». Поэтому важно заранее определиться с оригинальной задачей, которую вы хотите решить.
Риски и прогнозы, по мнению Анохина, следующие. Лаборатории, включая OpenAI, Google и Anthropic, говорят о больших целях. Например, открыть новые лекарства, законы физики, понять работу мозга. Но в последние месяцы всё чаще звучат призывы замедлиться: учёные негодуют, что даже наука достанется роботу, а общество волнует вопрос цифровой безопасности. Также возможны тормоза в виде усложнения открытий, недостатка ресурсов для работы сверхинтеллекта и неготовности общества.
Вывод остаётся один: навык будущего – это адаптация и умение задавать правильные вопросы. Учёный всё чаще будет работать в связке с ИИ-агентом, и чем оригинальнее вопрос, тем ценнее специалист.
