Штучний Інтелект
Штучний інтелект у наукових дослідженнях: підвищення продуктивності проти ризиків якості
Securities.io дотримується суворих редакційних стандартів і може отримувати винагороду за перевірені посилання. Ми не є зареєстрованим інвестиційним консультантом, і це не є інвестиційною порадою. Будь ласка, перегляньте наші розкриття партнерів.
Штучний інтелект як науковий асистент
Штучний інтелект – це справжня революція для багатьох наукових галузей, яка дозволяє обробляти дані та моделювати реальні матеріали та ситуації так, як навіть найпотужніші суперкомп'ютери не могли досягти ще кілька років тому.
Нещодавні приклади включають різні форми штучного інтелекту, що використовуються для:
- Пошук нових матеріалів для термоядерних реакторів.
- Відновлення чіткості зображення космічного телескопа.
- Оптимізація процесів 3D-друку металом.
- Відкриття нових матеріалів для сонячних елементів, водневих електрокаталізаторів, надтвердих матеріалів, полімерів та твердофазних електролітів.
Ці програми зазвичай спираються на вузькоспеціалізовані моделі штучного інтелекту, ретельно навчені для дослідження певного класу кристалів або обробки унікального набору зображень.
Однак, коли ми говоримо про штучний інтелект, широка громадськість зазвичай думає про універсальні LLM (великі мовні моделі). Наразі вони використовуються здебільшого для написання та покращення тексту, а також для виконання складних, читабельних запитів порівняно з традиційними пошуковими системами.
Теоретично, це має стосуватися не лише студентських есе, поганої поезії та презентацій PowerPoint, а й наукових досліджень та опублікованих статей.
Однак це може бути палицею з двома кінцями, як пояснюється в нещодавньому аналізі, опублікованому в престижному науковому журналі Science.1, під назвою «Наукове виробництво в епоху великих мовних моделей".
У цьому аналізі дослідники з Каліфорнійського університету та Корнельського університету спостерігали за результатами роботи вчених, які використовують LLM, порівняно з їхньою попередньою роботою. Вони виявили, що хоча використання LLM може покращити якість наукових робіт, воно також створює більший обсяг досліджень нижчої якості, що загострює існуючі проблеми в академічних колах.
Резюме
Штучний інтелект швидко змінює наукові дослідження, пришвидшуючи написання, відкриття та продуктивність. Однак ті ж інструменти ризикують перевантажити академічні кола дослідженнями нижчої якості, кидаючи виклик традиційним метрикам оцінювання та системам рецензування.
Виявлення використання штучного інтелекту в наукових роботах
Перше завдання полягає в тому, щоб визначити, наскільки поширене використання LLM у науковому письмі та хто його використовує.
Не дивно, що дослідники не визнають ці дані спонтанно, оскільки інструменти все ще нові та можуть бути схильними до помилок, особливо щодо технічних даних або нішевих тем.
Дослідники зібрали понад 2 мільйони статей з великих наукових баз даних, таких як arXiv, bioRxiv та Мережа соціальних досліджень (SSRN), опублікованих з січня 2018 року по червень 2024 року.
Потім вони порівняли статті, опубліковані до 2023 року, які, як вважається, були написані людьми, з текстом, згенерованим штучним інтелектом.
Використовуючи ці дані, вони розробили модель для виявлення використання штучного інтелекту. За допомогою цього інструменту вони з достатньою точністю визначили, які вчені використовують LLM та коли вони почали. Потім вони відстежували обсяг публікацій цих вчених до та після впровадження інструментів, а також чи були ці статті згодом прийняті науковими журналами.
Вплив штучного інтелекту на наукові дослідження
Проведіть пальцем, щоб прокрутити →
| Площа впливу ШІ | Позитивний ефект | Risk |
|---|---|---|
| Написання паперу | Покращена чіткість та швидкість | Більший обсяг низькоякісної продукції |
| Відкриття літератури | Ширший, новіший дослідницький огляд | Упередженість до нещодавніх або нецитованих робіт |
| Академічна кар'єра | Вищі показники продуктивності | Метрики відокремлені від реальних навичок |
Вища продуктивність
Перший висновок полягає в тому, що використання LLM підвищує продуктивність науковців, принаймні, якщо вимірювати її кількістю публікацій.
На arXiv вчені, яких позначили як таких, що використовують LLM, опублікували приблизно на третину більше статей, ніж ті, хто, схоже, не використовував ШІ. На bioRxiv та SSRN зростання перевищило 50%.
З огляду на те, що культура «публікуватися або загинути» диктує кар'єрні шляхи більшості вчених, це збільшення обсягу має серйозний вплив на кар'єрні траєкторії.
Ще одне відкриття полягає в тому, що поштовх був сильнішим для вчених, для яких вважається, що вони не є носіями англійської мови.
Наприклад, дослідники, пов'язані з азійськими установами, опублікували від 43.0% до 89.3% більше статей після того, як детектор показав їм, що вони почали використовувати LLM.
Це має сенс; багато вчених мають блискучі технічні знання та здатні читати англійською (вимога в сучасній академічній спільноті), але їм може бути важко будувати чіткі, елегантні речення іншою мовою.
Широке використання програм магістра права (LLM) може зрівняти умови для неносія мови, допомагаючи високоякісним дослідженням отримати міжнародне визнання незалежно від лінгвістичної вільності автора.
Краще відкриття наукових знань
LLM також можна використовувати для пошуку статей, що стосуються певної теми, використовуючи спеціалізовані штучні інтелекти, такі як Викликати, ResearchRabbitабо Scite.
Значна частина наукових досліджень полягає в пошуку та читанні інших робіт для виведення інформації або визначення експериментальних протоколів, які можна повторно використовувати в нових контекстах.
Штучний інтелект зазвичай надає перевагу новішим статтям і надає меншої ваги кількості цитувань порівняно з традиційними пошуковими системами. Таким чином, він пропонує альтернативу для вчених, які шукають нові ідеї або менш обговорювані експерименти.
«Люди, які використовують ступінь магістра права (LLM), отримують доступ до більш різноманітних знань, що може спонукати до появи більш креативних ідей».
Кейго Кусумегі, докторант Корнельського університету
Цю гіпотезу можна перевірити в майбутньому, перевіривши, чи мають статті, написані за допомогою штучного інтелекту, більш різноманітну бібліографію, чи є вони більш інноваційними та міждисциплінарними.
Штучний інтелект як нова проблема в науці та академічних колах
В останні роки наукові дослідження, особливо в галузі соціальних наук, переживають кризу відтворюваності.
Оскільки результати багатьох робіт не можуть бути відтворені іншими дослідниками, в іншому випадку дослідження, що виглядають серйозними, можуть бути недосконалими або навіть шахрайськими. Це було описано як «екзистенційна криза для науки».
Історично склалося так, що складний стиль письма, включаючи довші речення та складну лексику, був евристикою для якісніших досліджень. Хоча він і не був безпомилковим, він допомагав відрізнити професійно написане дослідження від неякісного аналізу.
Натомість статті, написані за допомогою штучного інтелекту, наразі мають менше шансів бути прийнятими журналами.
Загалом, це загрожує ще більше відокремити метрику «опублікованих статей» від фактичного таланту дослідника. Редакторам та рецензентам може бути важко визначити найцінніші роботи, особливо враховуючи, що штучний інтелект стає дедалі ефективнішим та схожішим на людину.
Зрештою, за допомогою штучного інтелекту можуть бути створені величезні обсяги «відходів» — фальшивих, але правдоподібних наукових робіт. Цей ризик не обмежується соціальними мережами; це суттєва проблема для наукових досліджень, де час рецензентів і без того був дефіцитним товаром до появи магістратури з права (LLM).
Що означає ШІ для майбутнього наукових досліджень
Оскільки ШІ – це інструмент, дослідники повинні навчитися ефективно його використовувати. Заборонити використання магістрів права (LLM) у дослідницьких лабораторіях практично неможливо, і виявлення стане лише складнішим.
Адаптація та продуктивне використання штучного інтелекту в науковому письмі будуть визначальною темою надалі.
«Вже зараз питання не в тому, «чи використовували ви штучний інтелект?», а в тому, «як саме ви використовували штучний інтелект, і чи був він корисним?»
Практика найму в науці може виграти від повернення до якісних показників, таких як поглиблені інтерв'ю та технічні тести, замість того, щоб покладатися виключно на обсяг публікацій.
Аналогічно, рецензенти та наукові журнали повинні адаптуватися. Потенційно, для блокування масового виробництва підроблених статей можуть знадобитися системи, які перевіряють, чи походить матеріал із легітимної дослідницької лабораторії перед аналізом.
Зрештою, глибоке розуміння технічних елементів роботи, а не лінгвістична витонченість, стане головним елементом оцінки якості.
Інвестування в інновації штучного інтелекту
Інвестор на винос
Продуктивність досліджень, заснованих на штучному інтелекті, може не безпосередньо призвести до вищої якості результатів. Довгостроковими переможцями будуть компанії, що забезпечують обчислення, інфраструктуру та валідацію, а не лише створення контенту. Nvidia залишається центральною ланкою цієї тези.
Nvidia
Nvidia перетворилася з компанії з виробництва відеокарт, орієнтованої на геймерів, на найбільшу компанію світу завдяки своїй центральній ролі у наданні... апаратне забезпечення AI для всієї технологічної галузі.
Як піонер у розробці апаратного забезпечення, спеціалізованого на штучному інтелекті, Nvidia першою допомогла дослідникам використовувати ці інструменти. «CUDA», універсальний програмний інтерфейс для графічних процесорів Nvidia, відкрив двері для використання поза межами ігор, проклавши шлях для сучасних застосувань штучного інтелекту.
«Дослідники зрозуміли, що, купуючи цю ігрову карту під назвою GeForce, ви додаєте її до свого комп’ютера, і по суті отримуєте персональний суперкомп’ютер.»
Молекулярна динаміка, сейсмічна обробка, реконструкція на комп'ютерній томографії, обробка зображень — ціла купа різних речей.
Цілком ймовірно, що обладнання Nvidia, безпосередньо або інтегроване в хмари Microsoft, Google, Meta та OpenAI, залишатиметься апаратним забезпеченням вибору для дослідників.
Очікуються капітальні витрати на ШІ досягти 200 мільярдів доларів у 2025 році, на додаток до постійно зростаючих сукупних витрат найбільших технологічних компаній. Інші електронні компоненти, такі як високопродуктивна оперативна пам'ять, зараз відчувають дефіцит, оскільки виробництво чіпів Nvidia нарощується.
Хоча наукові дослідження можуть не становити основну частину обчислень ШІ порівняно зі споживчим або B2B-використанням, вони можуть стати найвпливовішим довгостроковим рушієм, перспективним для нових сплавів, ліків та наукових методологій.
Посилання на дослідження
1. Кейго Кусумегі, Сінью Ян, Пол Гінспарг, Матійс де Ваан, Тобі Стюарт та Іян Інь. Наукове виробництво в епоху великих мовних моделей. Наука. 18 грудня 2025 р. Том 390, випуск 6779, стор. 1240-1243. DOI: 10.1126/science.adw3000
