Автор: 
Исследователи из Университета Чикаго построили модели, позволяющие предсказывать научные открытия и даже конкретных учёных, которые их сделают. Исследователи назвали свои модели «радикально дополненным интеллектом». Они рассмотрели не только материал статей, но и взаимоотношения учёных, и показали, что существует целый класс «чужих» гипотез, которыми несмотря на их перспективность, скорее всего, никто не будет заниматься, поскольку они не входят в сферу интересов ни одной научной коллаборации. Искусственный интеллект может такие гипотезы сформулировать, и они могут оказаться крайне важными. Исследование опубликовано на arXiv.
Существующие модели искусственного интеллекта, обученные на основе опубликованных научных результатов, неоднократно и небезуспешно использовались для формулирования новых научных гипотез, в том числе создания материалов с заданными свойствами и разработки новых методов лечения. Но в новой работе учёные предлагают рассматривать не только статьи, но и самих учёных, их конкуренцию и кооперацию. Исследователи рассмотрели, как люди конкурировали и сотрудничали в научных исследованиях на протяжении всей истории человечества, и задались вопросом, чему можно научить ИИ, если он будет явно осведомлён об опыте людей. Можем ли мы с помощью искусственного интеллекта дополнить коллективный человеческий потенциал, указывая на те области, которые люди пропускают? Вывод, к которому пришли исследователи: да, можем, и это значительно ускорит развитие науки.
Команда начала с моделирования процесса рассуждений учёного, который осваивает новою область науки и ищет сферу приложения своих усилий. Исследователи устроили случайную прогулку по научной литературе. Они начинали со случайной статьи, посвящённой какой-либо теме, например, вакцинации COVID. Затем они переходили к статье, посвящённой этой же теме, затем к другой статье тех же авторов авторов или к материалу, цитируемому в этой статье. И так далее по практически необозримой сети научной информации. Примерно так и начинает работу любой учёный, чтобы сориентироваться в материале. Но вот чего учёный сделать не может: он не в силах охватить весть объём материала.
Исследователи с помощью модели искусственного интеллекта совершили миллионы таких случайных блужданий. Новая модель ИИ позволила на 400% увеличить количество предсказаний открытий по сравнению с моделями, которые игнорировали авторов и ориентировались только на содержание исследований. Можно сказать, что так модель обучалась: она в результате случайных блужданий находила уже сделанные открытия. Кроме того, исследователи смогли с точностью более 40% предсказать реальных людей, которые сделали каждое из этих открытий, поскольку программа знала, что именно этот учёный является одним из немногих, чей опыт, знания и возможности сотрудничества наиболее тесно связаны с рассматриваемым объектом и материалом.
Во второй демонстрационной работе модель искусственного интеллекта попросили не делать предсказания гипотез, которые с наибольшей вероятностью будут обнаружены людьми, а найти гипотезы, которые являются научно правдоподобными, но учёные почти наверняка ими заниматься не будут. Исследователи отнесли эти предсказания к так называемым «чужим» гипотезам, которые обладают тремя особенностями: они редко обнаруживаются людьми; если они обнаруживаются, то только через много лет, когда научные системы реорганизуются; и они в среднем лучше сделанных людьми, вероятно, потому, что люди сосредотачиваются на том, чтобы выжать все из проверенных теорий, прежде чем искать новые. Эти «чужие» гипотезы искусственный интеллект научился находить.
