Umjetna inteligencija više nije ograničena samo na jezične zadatke ili prepoznavanje obrazaca. Tijekom posljednje dvije godine AI modeli počeli su pokazivati sposobnosti u znanstvenom otkrivanju, uključujući analizu podataka, dizajn eksperimenata i generiranje hipoteza. Neki znanstvenici vjeruju da AI u narednim desetljećima može parirati najvećim ljudskim umovima u znanosti.
Nobel Turingov Izazov
Hiroaki Kitano, biolog i izvršni direktor tvrtke Sony AI, predložio je 2016. godine ambiciozan cilj, stvoriti AI sustav sposoban za otkriće vrijedno Nobelove nagrade. Kitano je to nazvao Nobel Turing Izazov, predstavljajući ga kao grandiozni izazov za AI u znanosti. Nagrada bi pripala stroju koji autonomno kombinira generiranje hipoteza, planiranje eksperimenata i analizu podataka kako bi postigao znanstveni uspjeh jednak vrhunskim ljudskim istraživanjima.
Iako trenutni sustavi ne mogu ispuniti taj standard, Ross King, znanstvenik kemijskog inženjerstva na Sveučilištu Cambridge u Velikoj Britaniji i organizator navedenog izazova, sugerira da bi AI znanstvenik mogao postići rad vrijedan Nobelove nagrade i prije 2050. godine.
Mislim da je gotovo sigurno da će AI sustavi postati dovoljno dobri da osvoje Nobelove nagrade. Pitanje je hoće li to trajati 10 ili 50 godina, kaže.
Smisao Nobelove nagrade
Nobelove nagrade dodjeljuju se onima koji su donijeli najveću korist čovječanstvu, prema oporuci Alfreda Nobela. Bengt Nordén, kemičar i bivši predsjednik Nobelovog odbora za kemiju, ističe tri kriterija: korisnost, veliki utjecaj i otvaranje vrata za daljnje znanstveno razumijevanje.
AI je već imao utjecaj na radove nagrađene Nobelom. 2024. godine, pioniri strojnog učenja dobili su Nobelovu nagradu za fiziku, dok je AlphaFold, AI sustav Google DeepMinda za predviđanje struktura proteina, barem upola doprinio dobitku Nobelove nagrade za kemiju. Ipak, te nagrade prepoznale su ljudske znanstvenike koji se koriste AI-jem, a ne samostalna AI otkrića.
Da bi AI znanstvenik mogao samostalno preuzeti zasluge za otkriće, istraživanje mora biti "potpuno ili uvelike autonomno", prema Nobel Turing izazovu.
AI znanstvenik mora nadgledati znanstveni proces od početka do kraja, odlučujući koja pitanja će istražiti, koje eksperimente provesti i koje podatke analizirati, pojašnjava Yolanda Gil, istraživačica umjetne inteligencije sa Sveučilišta Southern California u Los Angelesu..
AI već pomaže u dekodiranju govora životinja, hipoteziranju o porijeklu života, predviđanju sudara zvijezda, prognoziranju pješčanih oluja i optimizaciji sklapanja kvantnih računala.
Gabe Gomes, kemičar sa Sveučilišta Carnegie Mellon, razvio je Coscientist, sustav koji koristi velike jezične modele (LLM) za planiranje i izvođenje kemijskih reakcija s robotskim laboratorijskim sustavima.
Sakana AI iz Tokija i znanstvenici u Googleu proučavaju kako AI može surađivati u generiranju znanstvenih ideja.
Budući potencijal AI-a
Sam Rodriques iz FutureHousea opisuje tri vala u razvoju AI-a: pomoć u specifičnim zadacima, autonomno razvijanje hipoteza i na kraju dizajniranje i izvođenje eksperimenata bez ljudske intervencije. James Zou, biomedicinski podatkovni znanstvenik sa Stanforda, primjećuje da AI modeli otkrivaju uvide koje ljudi propuštaju.
AI model počinje autonomno otkrivati nove stvari, kaže Zou.
Prepreke ipak ostaju. Doug Downey iz američkog neprofitnog Instituta za AI Allen, napominje da samo jedan posto AI modela može završiti cjeloviti istraživački projekt, a AI često oponaša principe bez kontekstualnog razumijevanja. Subbarao Kambhampati s američkog Sveučilišta Arizona ističe pak važnost ljudskog iskustva za stvarno otkriće.
Lisa Messeri s američkog Sveučilišta Yale i Molly Crockett s američkog Sveučilišta Princeton pak upozoravaju da AI može smanjiti inovacije i ograničiti stjecanje vještina mladih znanstvenika.
Jedini način da dobijemo te odgovore jest testirati ih, kao što činimo s bilo kojom hipotezom, zaključuje Gil.
Izvor: Nature
