Da li će veštačka inteligencija ikad dobiti Nobelovu nagradu?

Neki predviđaju da će uskoro doći do naučnog otkrića AI koje zaslužuje nagradu, dok se drugi istraživači pitaju da li su samostalni AI naučnici mogući ili čak poželjni, piše Nature.

Modeli veštačke inteligencije (AI) počinju da budu uspešni u nauci. Tokom protekle dve godine, pokazali su da mogu da analiziraju podatke, dizajniraju eksperimente i čak iznose nove hipoteze. Brzina napretka je ubedila neke istraživače da bi AI mogla da se takmiči sa najvećim umovima nauke u narednih nekoliko decenija.

Preporučujemo

Godine 2016, Hiroaki Kitano, biolog i rukovodilac kompanije Soni AI, izazvao je istraživače da postignu upravo to: da razviju sistem AI toliko napredan da može da dođe do otkrića vrednog Nobelove nagrade. Nazivajući ga Nobel-Tjuringov izazov, Kitano je predstavio taj poduhvat kao veliki izazov za AI u nauci. Mašina pobeđuje ako može doći do otkrića na istom nivou kao vrhunsko ljudsko istraživanje.

Trenutni modeli to ne mogu da urade. Međutim, Nobel-Tjuringov izazov predviđa da do 2050. godine neki sistem AI, bez ljudske intervencije, kombinuje veštine generisanja hipoteza, eksperimentalnog planiranja i analize podataka radi otkrića vrednog Nobelove nagrade.

Možda čak neće biti potrebno čekati 2050. Ros King, hemijski inženjer sa Kembričkog univerziteta, misli da bi takav „AI naučnik“ mogao dobiti nagradu i ranije. „Gotovo je sigurno da će sistemi AI postati dovoljno dobri da dobijaju Nobelove nagrade. Pitanje je da li će biti potrebno 50 ili 10 godina“, kaže on.

Međutim, mnogi istraživači ne vide kako trenutni AI sistemi, obučavani da generišu nizove reči i ideja na osnovu postojećeg znanja čovečanstva, mogu da daju nove uvide. Taj poduhvat bi mogao zahtevati drastične promene u načinu razvoja veštačke inteligencije i zavisi od svrhe finansiranja. Drugi upozoravaju da postoje opasnosti od uvođenja AI u istraživačke tokove.

Otkrića vredna nagrade

Nobelove nagrade se dodeljuju onima koji su dali najveće doprinose čovečanstvu. Što se nagrada za nauku tiče, uzimaju se u obzir tri kriterijuma: otkriće mora biti korisno, biti puno uticaja i otvoriti put za dalje naučno saznanje, kaže Bengt Norden, hemičar i bivši predsednik Nobelovog komiteta za hemiju.

Iako samo živi ljudi, organizacije i institucije trenutno imaju pravo na nagrade, AI se već sretala sa Nobelovim komitetom. Godine 2024, Nobelova nagrada za fiziku pripala je začetnicima na polju mašinskog učenja koji su postavili temelj za veštačke nervne mreže. Iste godine je pola nagrade za hemiju pripalo istraživačima koji stoje iza AI sistema AlphaFold, iz Guglove laboratorije DeepMind, koja predviđa 3D strukture proteina na bazi sekvence aminokiselina. Međutim, te nagrade su dodeljene za naučne poduhvate iza AI sistema – ne za poduhvate AI.

Da bi se AI naučniku pripisalo otkriće, istraživanje mora da bude izvedeno „potpuno ili vrlo samostalno“. AI naučnik bi trebalo da kontroliše naučni proces od početka do kraja, odlučujući o pitanjima na koja treba odgovoriti, eksperimentima koje treba izvesti i podacima koje treba analizirati.

Već su viđeni AI instrumenti koji asistiraju naučnicima u skoro svakom koraku procesa otkrića. Istraživači su demonstrirali da AI može pomoći u dekodiranju govora životinja, hipotetisanju o poreklu života u univerzumu i predviđanju kad bi se zvezde mogle sudariti. Može predvideti smrtonosne peščane oluje i pomoći da se optimizuje sklapanje budućih kvantnih kompjutera.

Veštačka inteligencija takođe počinje da izvodi eksperimente sama. Sistem Konaučnik, zasnovan na velikim jezičkim modelima, koristi se za planiranje i izvođenje složenih hemijskih reakcija pomoću robotske laboratorijske opreme. I može da obavlja računarsku hemiju izuzetnom brzinom.

Kompanija Sakana AI iz Tokija koristi velike jezičke modele u pokušaju automatizacije istraživanja na bazi mašinskog učenja. Istraživači u Guglu istražuju kako bi četbotobi mogli da rade u timovima radi generisanja naučnih ideja.

Većina naučnika koji koriste AI okreću joj se kao asistentu ili saradniku neke vrste, često zaduženom za specifične zadatke. „Rasuđujući modeli“ uče da imitiraju postepeno logičko mišljenje, koristeći proces pokušaja i grešaka koji uključuje obuku na tačnim primerima. Postojeći modeli su korisni saradnici koji mogu da predviđaju na osnovu podataka i ubrzaju inače mukotrpne računice. Međutim, imaju tendenciju da im je potreban čovek u toku barem jedne faze.

AI će postajati sve bolja u razvijanju i evaluaciji sopstvenih hipoteza pretražujući literaturu i analizirajući podatke. Nedavno je pokazano da sistem na bazi velikih jezičkih modela može da pretraži biološke podatke radi uvida koji su promakli naučnicima. Na primer, sa objavljenim radom i podacima o RNK sekvencama koje su povezani s njim, sistem je otkrio da je verovatnije da izvesne imunske ćelije u osobama sa kovidom-19 oteknu dok umiru, što autori studije nisu ispitali. Tako da AI agent počinje samostalno da pronalazi nove stvari.

Kasnije ovog meseca biće organizovano virtuelno okupljanje kao prva isključivo AI naučna konferencija. Sve radove će napisati i pregledati AI agenti, pored ljudskih saradnika. Jednodnevni sastanak će uključivati razgovore (ljudi) o budućnosti istraživanja koje generiše AI. Očekuje se da će sastanak pomoći istraživačima da ocene koliko je AI sposobna da izvodi i prosuđuje inovativno istraživanje.

Postoje poznati problemi sa takvim poduhvatima, uključujući halucinacije koje često pogađaju velike jezičke modele. Međutim, to uveliko mogu popraviti ljudske povratne informacije.

Finalna faza AI u nauci su modeli koji mogu da postavljaju sopstvena pitanja i dizajniraju i izvode sopstvene eksperimente – dok čovek nije neophodan. U tom neizbežnom procesu, neki istraživači smatraju da bi AI mogla doći do otkrića vrednog Nobelove nagrade najkasnije do 2030.

Najperspektivnije oblasti za neko otkriće AI jesu nauka o materijalima ili tretmani bolesti kao što su Parkinsonova ili Alchajmerova, pošto su to oblasti sa velikim otvorenim izazovima i nezadovoljenom potrebom.

Mišljenje o mišljenju

Mnogi istraživači su oprezni u pogledu takvih tvrdnji i vide mnogo veće prepreke. Na Institutu Alen za AI u Sijetlu, otkriveno je da agenti velikih jezičkih modela nisu uspešni u pokušaju obavljanja istraživačkog projekta od početka do kraja. U studiji o 57 AI agenata, otkriveno je da – iako mogu potpuno da dovrše specifične naučne zadatke u oko 70% vremena – ta cifra pada na samo 1% kad pokušaju da generišu neku ideju, planiraju i izvedu eksperiment i analiziraju podatke za potpun izveštaj. Puno automazitovano naučno otkriće ostaje veliki izazov, kažu istraživači.

Iako izgleda da AI ima mnogo potencijala za unapređenje nauke, nije bez ograničenja i nije jasno koliko vremena će biti potrebno da se to prevaziđe. Čak i kad današnji AI sistemi naprave dobra predviđanja u izvesnoj podoblasti, nije nužno da nauče šire osnovne principe. Jedna nedavna studija, na primer, otkrila je da, iako AI model može da predvidi kruženje planete oko zvezde, nije mogao da replikuje fundamentalne zakone fizike koji upravljaju tim telima. Nije učio naučni princip onoliko koliko je imitirao rezultate tog principa. U drugoj studiji, AI instrument nije mogao da proizvede tačnu mapu ulica Njujorka, uprkos učenju navigacije kroz grad.

Takvi problemi pokazuju da je proživljeno iskustvo ljudskog istraživača značajno za razvoj osnovnih naučnih principa. Nasuprot tome, AI sistemi doživljavaju svet samo posredno putem podataka kojima su nahranjeni. Neki istraživači razmatraju spajanje AI i robota kako bi sistemi dobili više iskustva u kretanju po svetu.

Nedostatak iskustva u realnom svetu otežaće AI modelima da postave nova, kreativna pitanja i ponude nove uvide u ljudski svet. AI može da ubrza nauku, ali reći da vam nisu potrebni ljudski naučnici i da će mašina doći do nekog otkrića vrednog Nobelove nagrade zvuči kao ništa više od preteranog reklamiranja.

Razvoj AI naučnika sposobnog za otkriće vredno Nobelove nagrade zahtevao bi ulaganje više napora u AI instrumente sa širim opsegom kapaciteta, uključujući metarazmišljanje. Istraživači će morati da nađu načine da obezbede AI sposobnost evaluacije i prilagođavanja sopstvenog procesa razmišljanja – da razmišljaju o sopstvenom razmišljanju. Ta promena bi mogla omogućiti modelima da ocene koje vrste eksperimenta će dati najbolje rezultate i da revidiraju svoje naučne teorije na osnovu novih nalaza.

Istraživači su dugo radili na fundamentalnom istraživanju koje bi moglo dati takve sposobnosti AI, ali su veliki jezički modeli došli u centar pažnje. Ako se to nastavi, otkrića vredna Nobelove nagrade mogla bi biti daleka perspektiva. Postoji mnogo uzbudljivih rezultata do kojih možete doći pomoću tehnika generativne AI. Međutim, ima još mnogo oblasti na koje treba obratiti pažnju.

Veliki jezički modeli ne shvataju dobro ljudski svet ili ono što doprinose, kažu istraživači, čak ne znaju da je ono što rade nauka.

Mnoge diskusije na sastancima Nobel-Tjuringovog izazova posvećene su tome koje korake napred AI još treba da napravi i kako to može da uradi. Da li AI naučnik treba da postigne veštačku opštu inteligenciju, na primer, kako bi bio obrazovan i prilagodljiv kao čovek? Da li će se AI naučnik ponašati kao ljudski naučnik ili će se put do otkrića razlikovati? Koje su pravne i etičke implikacije AI automatizovanog otkrića? I kako bi nagrada za AI naučnika mogla biti finansirana?

Znanje šta AI može da postigne moglo bi doći samo s vremenom. Jedini način da se stigne do tih odgovora jeste da se testiraju – kao što radimo sa hipotezama, kažu istraživači.

Neki se pitaju da li naučna zajednica uopšte treba da nastoji na tome. U članku iz 2024, antropolog Lisa Meseri sa Univerziteta Jejl i psiholog Moli Kroket sa Univertiteta Prinston tvrde da je preterano oslanjanje na AI u nauci već počelo da dovodi do više grešaka. Takođe primećuju da bi AI mogla da potisne alternativne pristupe i smanji inovaciju, dok naučnici proizvode više, ali razumeju manje.

Moguće je da automatizovano otkriće stigne sa ozbiljnim negativnim efektima po nauku – i po naučnike. Veštačka inteligencija izvodi zadatke koji smanjuju šanse za mlade naučnike, tako da nikad ne steknu neophodne veštine za dobijanje sopstvenih Nobelovih nagrada.

Iako ovo nije igra „nulte sume“, s obzirom na trenutno smanjenje budžeta za istraživanja i univerzitete, nalazimo se u zabrinjavajućem trenutku za procenjivanje dobrih i loših strana ove budućnosti, kaže Meseri.

(Telegraf Nauka/Nature)