На этой неделе Пушмит Коли, главный научный сотрудник Google Cloud, опубликовал статью в специальном выпуске журнала Daedalus, посвященном ИИ и науке, написав: «Мы движемся к ИИ, который не просто облегчает науку, но и начинает заниматься наукой». В условиях, когда на горизонте появляются автономные ученые на базе ИИ, становится труднее оправдать огромные усилия по разработке суперспециализированных инструментов — даже таких, как AlphaFold, за который ученые DeepMind получили Нобелевскую премию, или потенциально спасающей жизни системы, подобной WeatherNext. Это также предвещает гораздо более странное будущее для науки, в котором люди и системы ИИ сотрудничают как равные — или ИИ даже добивается научного прогресса самостоятельно.
Следует понимать, что Google, похоже, не отказывается от работы над специализированными инструментами ИИ для науки. AlphaGenome и AlphaEarth Foundations, обученные для генетики и наук о Земле соответственно, были выпущены прошлым летом, а новейшая версия WeatherNext вышла в ноябре.
Более того, такие инструменты остаются чрезвычайно популярными среди ученых. Например, в прошлом году Google сообщила, что предсказаниями структуры белков от AlphaFold воспользовались более трех миллионов исследователей по всему миру. А Isomorphic Labs, дочерняя компания Google, целью которой является использование AlphaFold и сопутствующих технологий для разработки новых лекарств, только что привлекла 2 миллиарда долларов в рамках раунда финансирования Серии B.
Но есть конкретные признаки перестройки, как в энтузиазме, так и в ресурсах. В прошлом месяце Los Angeles Timesсообщила, что Джон Джампер, сотрудник Google и лауреат Нобелевской премии за AlphaFold, теперь работает над кодированием с помощью ИИ, а не над специализированными научными инструментами ИИ. Неудивительно, что Google поручает своим лучшим умам задачу кодирования, поскольку компания недавно понесла репутационный ущерб из-за того, что ее инструменты для кодирования в настоящее время уступают предложениям Anthropic и OpenAI. Но это также может сигнализировать о приоритете агентной науки со стороны Google, поскольку навыки кодирования являются ключом к успеху некоторых из этих систем.
В отрасли исследовательские системы агентного типа демонстрируют реальный потенциал. На этой неделе OpenAI объявила, что одна из их моделей опровергла важную математическую гипотезу — возможно, это самый значимый вклад, который генеративный ИИ внес в математику на сегодняшний день, по мнению некоторых математиков.
Важно отметить, что модель, используемая OpenAI, не специализируется на решении математических задач или даже на исследованиях; по данным компании, это модель общего рассуждения в духе GPT-5.5. Если общие агенты смогут вносить независимый вклад в математические исследования, они, возможно, скоро смогут делать то же самое и в науке (хотя тот факт, что идеи в науке должны проверяться экспериментально, делает эту область более сложной для ИИ).
Google, безусловно, уделяет большое внимание будущему науки, управляемой агентами. Главным научным анонсом на I/O стал новый пакет Gemini for Science, который объединяет несколько научных систем компании на базе LLM под одним брендом.
Сюда входят ИИ для генерации гипотез Co-Scientist и AlphaEvolve для оптимизации алгоритмов, которые пока не доступны широкой публике, — но поскольку Google теперь разрешает любому исследователю подавать заявку на доступ к Gemini for Science, они могут вскоре получить более широкое распространение в научном сообществе. Ученые, участвовавшие в раннем тестировании, восторженно отзываются об их потенциале: Гэри Пельц, генетик из Стэнфорда, сравнил использование AI Co-Scientist с «консультацией с Дельфийским оракулом» в статье для Nature Medicine статье.
Gemini for Science не несовместим со специализированными инструментами; наоборот, агентные системы могут быть разработаны так, чтобы вызывать такие инструменты, когда они могут быть полезны. И ни одна агентная система не может предсказать, как свернется белок, без помощи AlphaFold (по крайней мере, пока). Но кажется, что компания смещает свой публичный имидж — и по крайней мере часть ресурсов и персонала, таких как Джампер, — от целенаправленной разработки таких инструментов. Хотя с момента решения AlphaFold проблемы сворачивания белков прошло всего пять лет, и технология, и дискурс быстро вышли за рамки этого некогда революционного достижения.
Google тщательно позиционирует этот новый набор научных агентов как ускоритель для ученых-людей, а не как их замену — выбор названия AI Co-Scientist вместо AI Scientist, например, кажется вполне преднамеренным. Хассабис использует ту же человекоориентированную рамку, когда говорит об изменениях в ландшафте научного ИИ. «В ближайшее десятилетие мы должны рассматривать ИИ как этот потрясающий инструмент, помогающий ученым», — сказал Хассабис в интервью, опубликованном в выпуске Daedalus. «За пределами этого периода трудно сказать с какой-либо уверенностью, но, возможно, эти системы станут больше похожи на сотрудников».
Но никто не может быть эффективным научным сотрудником, не будучи при этом квалифицированным ученым. И если Хассабис хоть немного близок к истине, говоря о «предгорьях сингулярности», то ученые на базе ИИ в конечном итоге могут превзойти возможности своих человеческих коллег.
В беседе с журналистом Майком Алленом на I/O Хассабис рассказал, как изначально его вдохновило заняться ИИ, когда он заметил, как стагнирует прогресс в физике с 1970-х годов; он задавался вопросом, достигло ли человеческое мышление своих пределов в этой области и может ли ИИ помочь преодолеть этот барьер. Сверхразумные агентные ученые, безусловно, соответствовали бы этому требованию. Возможно, мы никогда не достигнем этого уровня, но Google, похоже, нацеливается на эту вершину.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Grace Huckins
