ИИ в науке
Часть 1. Умный инструмент для работы с большими данными
Идея использовать искусственный интеллект (ИИ) для научных исследований появилась ещё в 1960-е годы, когда были достигнуты первые успехи на пути его создания. Однако эффективное его применение стало возможным лишь в конце второго десятилетия XXI века, когда успешно заработало обучение гигантских многослойных искусственных нейронных сетей (ИНС), получившее название глубокого обучения, и был изобретён целый ряд специализированных ИНС, способных работать с различной информацией: свёрточные сети — с изображениями, рекуррентные сети — с временными последовательностями, трансформеры и генеративно-состязательные сети — со сложным контекстом. Более того, к этому времени ИИ стал просто необходим, поскольку наука уже несколько десятилетий находилась в состоянии информационного «перегруза». Её инструменты, такие как ускорители частиц вроде Большого адронного коллайдера и гигантские телескопы на Земле и в космосе, генерируют петабайты данных. Традиционные методы, включая компьютерные, подчас просто не способны обработать этот поток в поисках нового. Так что технологии ИИ становятся не только полезным инструментом, а часто единственным эффективным средством для решения поставленных задач. Попробуем сформулировать на примерах, в чём ИИ превосходит классические инструменты, где он их дополняет и как это меняет саму суть научного метода.
ИИ против математической статистики
До появления ИИ единственным инструментом работы с большими массивами данных в науке была математическая статистика, во многом опирающаяся на теорию вероятности. Активно развиваемая последние двести лет, она добилась выдающихся успехов в анализе результатов наблюдений и экспериментов, позволяя находить в них зависимости и разрабатывать модели явлений. Но у поиска закономерностей методами математической статистики есть фундаментальное ограничение: требуется, чтобы человек заранее задал, какого именно вида закономерность он ищет.