Sto lat postępu w zaledwie pięć lat: sztuczna inteligencja powinna to umożliwić

„Wow, to jest właśnie rozwiązanie, którego szukaliśmy”. Fizyk kwantowy Mario Krenn i jego kolega spędzili cały dzień przy tablicy, licząc, sprawdzając i upraszczając. Wieczorem byli przekonani: w ciągu nocy komputer dostarczył im rozwiązanie trudnego problemu, który naukowcy próbowali rozwiązać od tygodni.

Program komputerowy rozwiązujący trudne problemy naukowe: To brzmi jak optymistyczna wizja przyszłości. Ale ta scena rozegrała się już w 2014 roku.

W tamtym czasie Mario Krenn był doktorantem w laboratorium obecnego noblisty Antona Zeilingera. Dziś sam jest profesorem na Uniwersytecie w Tybindze, specjalizującym się w zastosowaniu sztucznej inteligencji (AI) w nauce. „Właściwie chcę zrozumieć wszechświat” – mówi o sobie Krenn. Zwrócił się ku AI tylko dlatego, że postrzega ją jako najlepszą okazję do rozwoju badań.

Krenn nie jest już odosobniony w tej ocenie. Entuzjaści technologii mają nadzieję, że sztuczna inteligencja uratuje świat. W ciągu najbliższych pięciu do dziesięciu lat sztuczna inteligencja fundamentalnie zrewolucjonizuje świat,napisał niedawno na swoim blogu Dario Amodei, założyciel firmy Anthropic, zajmującej się sztuczną inteligencją . Wyobraża sobie kraj pełen geniuszy pracujących w centrach danych. Ci geniusze szybko opracują leki na wszystkie choroby, podwoją średnią długość życia i wyeliminują głód. Postęp naukowy i technologiczny stulecia zostanie skondensowany do kilku lat.

Czy sztuczna inteligencja naprawdę może poprowadzić nas ku złotej erze odkryć? A może modele sztucznej inteligencji to po prostu odgrzewanie starych pomysłów?

Duże firmy technologiczne z pewnością dostrzegają potencjał zastosowania sztucznej inteligencji w nauce. W lutym Google ogłosiło premierę swojego najnowszego produktu: „Co-Scientist”. Aplikacja oparta na modelu Gemini 2.0 AI ma wspierać naukowców w ich pracy.

Niektórzy naukowcy, którzy przetestowali model wcześniej, donoszą o imponujących wynikach. Gary Peltz prowadzi badania nad leczeniem chorób wątroby na Uniwersytecie Stanforda. Kiedy zobaczył odpowiedź sztucznej inteligencji na swoje pytanie, „dosłownie spadł z krzesła” – powiedział Peltz w wywiadzie dla „Nature” . Sztuczna inteligencja precyzyjnie zidentyfikowała obszary, które uważa za szczególnie obiecujące i chce je intensywniej badać w przyszłości. Zasugerowała również trzy potencjalne leki. Dwa z nich wypadły dobrze we wstępnych testach laboratoryjnych.

Mikrobiolog José R. Penadés również wyraził entuzjazm dla swojego kolegi, który zajmuje się sztuczną inteligencją. Penadés jest profesorem w Imperial College London i bada oporność na antybiotyki. W oparciu o krótką komendę, model sztucznej inteligencji wygenerował dokładnie hipotezę, którą on i jego zespół opracowywali przez kilka lat, powiedział Penadés w wywiadzie dla BBC . Naukowcy nie opublikowali jeszcze swoich prac nad tą hipotezą, więc model sztucznej inteligencji nie mógł mieć do niej dostępu.

Niemniej jednak sztuczna inteligencja nie przyniosła jeszcze niczego zupełnie nowego. Naukowcy, którzy zastosowali ten model, mieli już odpowiednią wiedzę. „Nie jest jasne, jak duże modele językowe pomagają obecnie w nauce” – mówi Mario Krenn. „Ale byłbym zaskoczony, gdyby nie stało się to najpóźniej za rok”.

W zasadzie sztuczna inteligencja doprowadziła już do znaczących postępów w nauce. Być może najlepszym przykładem jest model sztucznej inteligencji Alphafold. Potrafi on przewidywać trójwymiarowy kształt cząsteczek białek. W ciągu zaledwie kilku lat stał się niezwykle istotny dla naukowców. W zeszłym roku twórcy Alphafold otrzymali za to osiągnięcie Nagrodę Nobla .

Sztuczna inteligencja odgrywa również coraz ważniejszą rolę w matematyce. W czerwcu hiszpański matematyk Javier Gómez Serrano ogłosił w gazecie „El País”, że jest bliski rozwiązania jednego z Problemów Milenijnych z pomocą sztucznej inteligencji. Dotyczy on równania Naviera-Stokesa, opisującego ruch gazów i cieczy. Równania te są wykorzystywane w wielu dziedzinach, od prognozowania pogody po projektowanie samolotów. Pomimo ich powszechnego zastosowania, nie wiadomo jeszcze, czy wszędzie mają one jedno, unikalne rozwiązanie. Za rozwiązanie tej zagadki matematycznej, która pozostaje nierozwiązana od 200 lat, przyznano nagrodę w wysokości miliona dolarów.

Do tej pory jednak sztuczna inteligencja była postrzegana jako narzędzie dla badaczy. Najnowsze odkrycia w dziedzinie sztucznej inteligencji obiecują jednak, że sama stanie się badaczem.

Ale czy sztuczna inteligencja może rzeczywiście generować zupełnie nowe pomysły? Mario Krenn jest przekonany, że tak. Jego prosty program komputerowy z 2014 roku nie tylko zasugerował właściwe rozwiązanie – to rozwiązanie zawierało również nowatorski pomysł. Ten z kolei umożliwił fizykom zmierzenie się z innymi nierozwiązanymi problemami.

Mimo to, trudno było uzyskać naprawdę dobre pomysły badawcze z dużych modeli językowych, takich jak Chat-GPT czy Gemini, mówi Krenn. On i jego zespół opracowali niedawno spersonalizowane pomysły badawcze dla 100 naukowców, wykorzystując sztuczną inteligencję. Następnie poprosili naukowców o ocenę tych pomysłów. „Badacze nie byli do końca zadowoleni z odpowiedzi” – mówi Krenn. „Pomysły nie były wystarczająco szczegółowe”.

Uważa zatem, że podejścia łączące model językowy sztucznej inteligencji z weryfikacją zewnętrzną są szczególnie obiecujące. Inny program sprawdza dane wyjściowe sztucznej inteligencji i dostarcza informacji zwrotnej. Aby to zadziałało, sztuczna inteligencja musi sformułować swoje sugestie tak szczegółowo, aby inny program mógł je zrozumieć. Ta metoda może zmusić sztuczną inteligencję do jak najbardziej precyzyjnej reakcji – a jednocześnie lepiej radzić sobie z halucynacjami.

Inni eksperci wątpią jednak, czy dzisiejsza sztuczna inteligencja jest w ogóle zdolna do bycia naukowcem. Thomas Wolf, jeden ze współzałożycieli otwartej platformy sztucznej inteligencji Hugging Face, jest jednym z nich. Najważniejszym składnikiem dobrej nauki, jak pisze na swoim blogu , jest zadawanie właściwych pytań. Przełomy zawsze następowały, gdy ludzie kwestionowali od dawna akceptowane koncepcje. Z drugiej strony, sztuczna inteligencja jest zasadniczo nastawiona na dostarczanie przewidywalnych odpowiedzi. Zadawanie nieoczekiwanych i zupełnie nowych pytań wykracza poza zakres jej specjalizacji.

Chociaż Mario Krenn jest przekonany o przydatności sztucznej inteligencji w badaniach naukowych, wątpi również w wizję geniuszy w centrach danych. „Myślę, że wciąż brakuje czegoś do naprawdę wielkich przełomów” – mówi. Choć nie wyklucza wielkich naukowców zajmujących się sztuczną inteligencją, wciąż jest im daleko. „Najpierw musimy lepiej zrozumieć, co czyni z ludzi wybitnych badaczy”.

Do tego czasu Krenn mierzy się z zupełnie innym problemem: sztuczna inteligencja proponuje rozwiązania trudnych problemów fizycznych, których on i jego koledzy nie rozumieją. Potrafią obliczyć, że rozwiązanie jest poprawne – ale nie wiedzą dlaczego. „Patrzysz na to i po prostu nie ma to dla ciebie sensu” – mówi Krenn. „To wydaje się bardzo, bardzo dziwne”.

W rozmowie na Zoomie, w tle gabinetu Krenna, widać tablicę z formułami i notatkami. Wygląda na to, że nawet on nie może się jeszcze obejść bez ludzkiej myśli. Nawet jeśli chodzi tylko o przełożenie idei sztucznej inteligencji na ludzkie rozumienie.

Artykuł z « NZZ am Sonntag »