ИИ-модели превзошли людей в планировании экспериментальных исследований
ИИ-модели превзошли людей в планировании экспериментальных исследований Большие языковые модели (LLM) начали превосходить людей в том, что исследователи называют «вкусом к экспериментальной работе» — способности выбирать, какие гипотезы и подходы действительно стоит проверять. В ходе контролируемого сравнения модели ранжировали варианты экспериментальных планов точнее, чем опытные учёные. Оценка учитывала не только конечный результат, но и новизну, практическую выполнимость и потенциальное влияние на область. Ключевая особенность таких моделей — умение работать с большим массивом научных текстов: статьями, препринтами, описаниями методик и даже отрицательными результатами. Модель выстраивает неочевидные аналогии между разными дисциплинами и предлагает нестандартные решения — например, заменить дорогой реагент доступным аналогом или использовать другую модель организма. Это не заменяет лабораторную работу, но помогает расставить приоритеты до того, как потрачены ресурсы. Ограничения тоже очевидны. Модели наследуют смещения из литературы, могут игнорировать принципиально новые явления, у которых нет прецедентов, и иногда дают уверенные, но ложные рекомендации. Поэтому речь идёт не об автоматическом принятии решений, а о совместной работе: ИИ предлагает варианты, человек проверяет их в реальном эксперименте. Именно такое разделение труда, по мнению авторов, ускоряет научный цикл и снижает долю бесперспективных исследований. Главное: • LLM точнее людей ранжируют гипотезы и планы экспериментов • Модели используют статьи, препринты и отрицательные результаты • ИИ предлагает неочевидные аналогии между дисциплинами • Модели наследуют смещения и не учитывают новые явления • Оптимальный сценарий — ИИ предлагает, человек проверяет #ИИ #LLM #Наука #Исследования