AI-компании часто оправдывают своё существование возможностью научных открытий с помощью ИИ: если технология когда-нибудь вылечит рак и решит проблему климата, то все выбросы углерода и бессмысленные видео окажутся не напрасны.
Уже сейчас LLM могут помогать учёным самыми разными способами. Они находят релевантные исследования в литературе, пишут черновики журнальных статей и, разумеется, генерируют код. Но у AI-компаний и академических исследователей есть куда более амбициозное видение AI co-scientists. Они хотят создавать системы, которые смогут стать полноценным участником научной команды или, ещё амбициознее, запускать и вести исследовательские проекты при ограниченном участии человека.
Google DeepMind много лет инвестирует в научный ИИ, и эта ставка окупилась в 2024 году, когда Демис Хассабис и Джон Джампер, CEO и директор компании, получили Нобелевскую премию по химии за AlphaFold — специализированную систему, которая умеет предсказывать трёхмерную структуру белка.
Теперь конкуренты пытаются догнать Google. В октябре 2025 года OpenAI запустила команду, посвящённую ИИ для науки, а Anthropic примерно в то же время представила несколько функций Claude, ориентированных на биологические науки. OpenAI особенно часто называет создание автономного исследователя своим «North Star». Компания только что объявила GPT‑Rosalind — первую в запланированной серии специализированных научных моделей. Google выпустила свой инструмент AI co-scientist в феврале прошлого года.
Под капотом многие из этих систем ИИ для науки на деле представляют собой набор специализированных AI-агентов, работающих вместе. В co-scientist от Google используются агент-супервизор, агент генерации и агент ранжирования, а также несколько других, чтобы создавать потенциальные гипотезы и исследовательские планы в ответ на цель, заданную человеком-учёным. Недавно исследователи из AI for Science Lab Стэнфорда под руководством Джеймса Зоу разработали «виртуальную лабораторию» из агентов, взявших на себя роли специалистов из разных научных областей. Они обнаружили, что их система может проектировать новые фрагменты антител, связывающиеся с SARS-CoV-2 — вирусом, вызывающим covid.
Однако, в отличие от людей-учёных, такие команды агентов пока не могут выйти в лабораторию и проверить свои идеи. Чтобы обойти это ограничение, некоторые исследователи подключают LLM к роботам, выполняющим эксперименты. В феврале OpenAI объявила, что напрямую связала GPT-5 с автоматизированными биологическими лабораториями, построенными компанией Ginkgo Bioworks, чтобы ИИ-система могла итеративно предлагать эксперименты и интерпретировать результаты при ограниченном участии человека. Такой подход позволил системе провести гигантское число экспериментов и создать рецепт, снизивший стоимость синтеза определённого белка на 40%.
На первый взгляд научные исследования с участием ИИ выглядят как победа и для frontier labs, и для общества в целом. Но исследования показывают, что у этого могут быть непредвиденные последствия. Недавнее исследование Nature показало, что, хотя отдельные учёные видят профессиональные преимущества от использования ИИ, наука в целом может пострадать, потому что ИИ сужает круг тем, которые изучает научное сообщество. Это может быть связано с тем, что ИИ особенно хорошо анализирует уже существующие наборы данных и литературу, поэтому учёные, использующие его, тяготеют к устоявшимся темам, где есть большие массивы данных. В результате может стать меньше исследователей, изучающих проблемы, менее подходящие для ИИ. Эффективная интеграция ИИ в науку — это не только техническая задача: сохранение живости и разнообразия науки в эпоху ИИ может потребовать скоординированных усилий всего научного сообщества.
Deep Dive
Artificial intelligence
OpenAI бросает все силы на создание полностью автоматизированного исследователя
Эксклюзивный разговор с главным научным сотрудником OpenAI Якубом Пахоцки о новой «большой задаче» компании и будущем ИИ.
Как Pokémon Go даёт роботам-доставщикам до сантиметра точное представление о мире
Эксклюзив: AI-спин-офф Niantic обучает новую world model на 30 миллиардах изображений городских ориентиров, собранных игроками.
Хотите понять текущее состояние ИИ? Посмотрите на эти графики
Согласно AI Index Стэнфорда за 2026 год, ИИ ускоряется, а мы с трудом за ним успеваем.
Этот стартап хочет изменить то, как математики занимаются математикой
Axiom Math бесплатно раздаёт новый мощный инструмент ИИ. Но ещё предстоит понять, ускорит ли он исследования настолько, насколько надеется компания.
Материал — перевод статьи с английского.
Оригинал: Artificial scientists