ИИ заменяет человеческое внимание в научном поиске
Проблема нехватки внимания исследователей может исчезнуть с развитием программного обеспечения. ИИ позволяет обрабатывать массивы данных, которые раньше человек не мог прочитать физически.
Научный прогресс долгое время ограничивался объёмом внимания одного учёного. Электронные базы данных упростили поиск, но человек всё равно должен был лично прочитать статью, чтобы оценить её релевантность.
ИИ меняет экономику этого выбора, позволяя анализировать гораздо больше материалов за один раз. Например, система OpenScholar ищет по коллекции из 45 миллионов научных работ с открытым доступом, а системы вроде Kosmos могут охватить около 1500 статей за один цикл исследования.
Специализация учёных часто мешает находить связи между разными дисциплинами. Машина может сравнивать данные из физики, химии и биологии одновременно, находя скрытые закономерности.
В 2019 году исследование в области материаловедения показало, что машинное обучение может выявлять перспективные материалы в старых работах ещё до того, как их изучат специалисты. Это подтверждает, что полезные связи уже существуют в научной базе, но остаются незамеченными.
Традиционная проверка знаний обычно сосредоточена на моменте публикации статьи. ИИ может сделать процесс оценки знаний динамичным, постоянно сверяя старые выводы с новыми данными. Инструменты вроде Scite анализируют, подтверждают или опровергают последующие работы первоначальные тезисы.
Также существуют системы для поиска ошибок в расчётах, формулах и таблицах. Это позволяет автоматизировать часть проверки публикаций и повышать качество доступных знаний.
В некоторых областях ИИ может не только анализировать, но и проводить эксперименты. В химии системы уже подключают к лабораторному оборудованию для выбора условий реакций и замера результатов. В протеинной инженерии ИИ соединяют с робототехникой для производства и тестирования белков. В машиностроении автоматизированные системы самостоятельно проектируют, печатают и тестируют конструкции.
Текст подготовила языковая модель по материалам источников.
