Продолжаю серию постов о пяти наиболее важных научных достижениях этого года по версии данного ТГ-канала. В двух вчерашних постах и одном позавчерашнем я описал достижения, которые по моему субъективному рейтингу находятся на местах 3, 4 и 5, так что сейчас подошло время поговорить о втором месте. Это исследования в области развития инструментов искусственного интеллекта (ИИ), куда же без них. Тут складывается любопытная ситуация. Что касается Больших Языковых Моделей (Large Language Models, LLM) – типа ChatGPT, которые столь громко прозвучали в 2023 году, нарастает общий скепсис относительно их полезности, особенно для научных исследований. Достаточно вспомнить статью с вызывающим заголовком «ChatGPT is Bullshit» (пост от 18 июня): https://link.springer.com/article/10.1007/s10676-024-09775-5 или статью в Nature, в которой показано как инструменты ИИ на основе LLM быстро деградируют (в плане качества выдаваемых текстов), если обучение нейросети происходит на текстах, генерируемых самой этой нейросетью (пост от 26 июля). Девяти поколений применения такой процедуры достаточно, чтобы вместо осмысленного текста нейросеть начала выдавать полную «тарабарщину»: https://www.nature.com/articles/s41586-024-07566-y В данном ТГ-канале я неоднократно писал, что инструменты ИИ смогут стать полноценными помощниками в проведении научных исследований только, если их удастся «подружить» с математикой и физикой. Как отмечал разработчик сервисов ИИ от Сбера Сергей Марков (пост от 31 июля), «Попробуйте попросить ChatGPT отсортировать тысячу чисел по возрастанию. Окажется, что такую простую задачу для человека эта языковая модель выполнить не сможет. Языковая модель довольно плохо играет в шахматы (в отличие от специально созданных под такие нужды программ), даже не может хорошо решать арифметические задачи — с этим куда лучше справляется обычный калькулятор. Модель легко нарисует астронавта, скачущего на лошади, но если попросите ее изобразить лошадь, скачущую на астронавте, то человек сделает это куда успешнее.» В направлении разработки инструментов ИИ для науки в 2024 году произошли заметные продвижения у нескольких компаний и научных групп, из которых я бы выделил Google DeepMind. Нобелевская премии по химии присуждена сотрудникам этой компании Демису Хассабису и Джону Джамперу за разработку компьютерной программы AlphaFold2 для предсказания пространственной структуры белков по известной последовательности аминокислотных остатков с использованием инструментов ИИ. В 2024 году новый вариант этой программы AlphaFold3 перешел в категорию «open source» и ученые теперь могут непосредственно скачать соответствующий программный код и использовать его в своей работе (пост от 13 ноября): https://www.nature.com/articles/d41586-024-03708-4 Отмечу также недавнее содержательное эссе сотрудников Google DeepMind о перспективах использования возможностей искусственного интеллекта (ИИ) в науке (пост от 10 декабря): https://deepmind.google/public-policy/ai-for-science/ Перевод этого эссе на русский язык можно посмотреть здесь: https://t.center/abulaphia/5321