На прошедшей конференции Google I/O глава DeepMind Демис Хассабис заявил, что человечество стоит у подножия сингулярности. Однако реальные примеры, показанные компанией, говорят о более прагматичном и постепенном пути. Вместо революции в ближайшее время нас ждет эволюция: переход от создания узкоспециализированных ИИ-инструментов для решения конкретных научных задач к разработке автономных агентов, способных самостоятельно проводить исследования. Этот сдвиг уже заметен в распределении ресурсов и приоритетах технологических гигантов.
Два пути научного ИИ
Современные подходы к использованию искусственного интеллекта в науке можно разделить на два направления. Первое - это создание специальных инструментов, обученных для решения конкретных задач. Яркий пример - система прогнозирования погоды WeatherNext от Google. В прошлом году она заранее предупредила о катастрофическом выходе урагана Мелисса на Ямайку, что, вероятно, спасло жизни.
Второй подход - разработка автономных, агентных систем на основе больших языковых моделей. Такие системы в будущем смогут самостоятельно планировать и выполнять сложные исследовательские проекты без постоянного контроля человека. Именно эта идея питает сегодняшний энтузиазм вокруг ИИ, включая концепцию рекурсивного самосовершенствования, когда системы сами становятся двигателем прогресса в этой области.
Сдвиг ресурсов и приоритетов
Хотя Google не отказывается от специализированных инструментов - в прошлом году были представлены AlphaGenome для генетики и AlphaEarth для наук о Земле, - есть признаки перераспределения усилий. Например, сотрудник Google Джон Джампер, получивший Нобелевскую премию за работу над AlphaFold, теперь занимается проблемами ИИ для программирования.
Это логичный шаг, учитывая, что конкуренты вроде Anthropic и OpenAI предлагают сильные решения в этой области. Но также это может сигнализировать о повышении приоритета агентной науки внутри компании, поскольку навыки программирования критически важны для успеха таких систем.
Автономные исследователи демонстрируют потенциал
Агентные системы уже начинают вносить реальный вклад в исследования. На этой неделе OpenAI объявила, что одна из их моделей опровергла важную математическую гипотезу. По мнению некоторых математиков, это пока самый значимый вклад генеративного ИИ в эту науку.
Примечательно, что модель OpenAI не была специально создана для решения математических задач или исследований. Компания описывает ее как систему общего назначения для логических рассуждений, подобную GPT-5.5. Если такие универсальные агенты уже способны на независимые открытия в математике, то вскоре они могут показать аналогичные результаты и в других научных дисциплинах.
Gemini for Science: новый фокус Google
Главным научным анонсом на I/O стал пакет Gemini for Science. Он объединяет несколько научных систем компании на основе языковых моделей под одним брендом. В него вошли, например, ИИ Co-Scientist, способный генерировать гипотезы, и AlphaEvolve для оптимизации алгоритмов.
Эти инструменты пока не доступны широкой публике, но Google уже открыл процесс подачи заявок на доступ для исследователей. Ученые, участвовавшие в раннем тестировании, высоко оценили их потенциал. Генетик из Стэнфорда Гари Пельц в статье для Nature Medicine сравнил работу с ИИ Co-Scientist с «консультацией у дельфийского оракула».
Сотрудники, а не замена
Google осторожно позиционирует новые научные агенты как инструменты для ускорения работы ученых, а не как их замену. Выбор названия «Co-Scientist» (со-ученый), а не просто «Ученый», выглядит вполне осознанным.
Демис Хассабис придерживается такой же ориентированной на человека рамки. «В течение следующего десятилетия или около того мы должны думать об ИИ как об удивительном инструменте помощи ученым, - сказал он в интервью для журнала Daedalus. - За пределами этого временного горизонта сложно сказать что-то наверняка, но, возможно, эти системы станут больше похожи на коллег».
Взгляд в будущее
Однако эффективный научный сотрудник сам должен быть квалифицированным ученым. Если Хассабис прав, говоря о «подножии сингулярности», то ИИ-ученые в конечном итоге могут превзойти возможности своих человеческих коллег.
На дискуссии с журналистом Майком Алленом на I/O Хассабис рассказал, что его первоначально вдохновила на работу в ИИ стагнация прогресса в физике с 1970-х годов. Он задавался вопросом, достиг ли человеческий разум своих пределов в этой области и может ли ИИ помочь преодолеть этот барьер. Сверхчеловеческие автономные ученые-ИИ определенно соответствовали бы этой цели. Мы, возможно, никогда не приблизимся к этой вершине, но Google, судя по всему, нацелился именно на нее.