Поки що заснували лише Премію Дарвіна для штучного інтелекту, яка має на меті висміювати найбільш необдумане, небезпечне або помилкове використання ШІ людьми та компаніями. Проте моделі штучного інтелекту дедалі активніше застосовуються і в наукових дослідженнях, демонструючи здатність якісно аналізувати дані, формулювати гіпотези та планувати експерименти. Як повідомляє Nature, прискорений розвиток технології вже породив дискусії: чи може ШІ коли-небудь зробити відкриття, гідне Нобелівської премії, і чи можна взагалі вважати машину науковцем?
Ідею такого виклику вперше сформулював у 2016 році Хіроакі Кітано, головний виконавчий директор Sony AI. Він закликав створити систему, здатну самостійно зробити відкриття Нобелівського рівня, без участі людини.
Цей проєкт отримав назву “Нобелівський виклик Тюрінга”. За задумом Кітано, перемога ШІ у цьому змаганні буде означати, що система змогла поєднати генерацію гіпотез, планування експериментів і аналіз результатів на рівні провідних науковців.
Дослідники прогнозують, що це може статися до 2050 року. Хоча деякі, як-от Росс Кінг з Кембриджського університету, переконані, що “вчений зі штучним інтелектом” може здобути Нобелівську премію значно раніше — можливо, вже за десятиліття.
Втім, чимало науковців сумніваються, що сучасні мовні моделі здатні на справжню наукову творчість, адже вони лише відтворюють уже наявні знання. Дослідниця Йоланда Гіл з Університету Південної Каліфорнії зазначає, що створення автономного ШІ-науковця вимагатиме докорінної перебудови підходів до фінансування і розробки таких систем.
Попри це, технологічні приклади зростають у геометричній прогресії. Команда хіміка Гейба Гомеса з Університету Карнегі-Меллона створила систему Coscientist, яка за допомогою великих мовних моделей планує й виконує хімічні реакції з використанням роботизованого обладнання. Компанія Sakana AI у Токіо намагається автоматизувати дослідження машинного навчання, а вчені Google вивчають, як чат-боти можуть співпрацювати в наукових командах.
Джеймс Цзоу зі Стенфордського університету повідомив, що його команда розробила систему, яка самостійно знаходить нові наукові закономірності у біологічних даних. Зокрема, ШІ виявив раніше непомічені зміни в імунних клітинах людей, хворих на COVID-19. Цзоу організовує першу конференцію Agents4Science, де дослідницькі статті писатимуть і рецензуватимуть як люди, так і агенти ШІ.
Попри ці досягнення, експерти наголошують на серйозних обмеженнях. Даг Дауні з Інституту штучного інтелекту Аллена виявив, що лише 1% моделей здатні завершити повний науковий проєкт від гіпотези до аналізу даних. Інші ж, як застерігає Суббарао Камбхампаті з Університету штату Аризона, без реального досвіду та інтуїції не здатні формулювати нові наукові принципи, а лише імітують наявні знання.
Поки що ШІ здебільшого виступає у ролі помічника чи співавтора. Але, за словами Сема Родрікеса з лабораторії FutureHouse, наступним кроком стануть системи, які самостійно ставитимуть питання, проводитимуть експерименти й робитимуть висновки. Він вважає, що прорив, гідний Нобелівської премії, може статися вже до 2030 року. Найбільші шанси — у галузях матеріалознавства та дослідження невиліковних хвороб, як-от Паркінсона чи Альцгеймера.
Експерти попереджають і про соціальні ризики. На думку антропологині Єльського університету Лізи Мессері, надмірна автоматизація може призвести до зростання помилок і зниження інноваційності. Молоді науковці ризикують втратити можливість набути власні дослідницькі навички, якщо більшість процесів виконуватимуть алгоритми.
Питання про те, чи отримає ШІ коли-небудь Нобелівську премію, залишається відкритим. Але, як зазначає Йоланда Гіл, наука має знайти баланс між людським мисленням і машинною ефективністю.
“Єдиний спосіб зрозуміти, на що здатен ШІ, — це дати йому можливість спробувати”, — підсумувала Гіл.
Нещодавно Google DeepMind заявила про “історичний” прорив своєї моделі Gemini 2.5, яка вперше розв’язала надскладну задачу з програмування, що виявилася не під силу програмістам-людям, та здобула золоту медаль на міжнародному конкурсі. Модель, спеціально навчена для кодування, математики та логіки, демонструє рівень, порівнянний із 20 найкращими кодерами світу.