Umjetna inteligencija (AI) niže uspjehe na znanstvenom polju. U posljednje dvije godine pokazala je da može analizirati podatke, smišljati eksperimente, pa i stvarati nove hipoteze. Takav napredak uvjerio je dio znanstvene zajednice da bi umjetna inteligencija u sljedećim desetljećima mogla parirati najvećim znanstvenim umovima
Još 2016. godine biolog i direktor Sony AI-a Hiroaki Kitano postavio je ambiciozan cilj: stvoriti sustav umjetne inteligencije koji bi mogao otkriti nešto što zaslužuje Nobelovu nagradu. Nazvao ga je Nobel Turing Challenge i opisao kao 'veliki izazov' za AI u znanosti – stroj pobjeđuje ako postigne otkriće usporedivo s najvišom razinom ljudskog istraživanja, piše Nature.
Trenutačni modeli tomu još nisu dorasli, no prema viziji izazova, do 2050. godine trebao bi postojati AI sustav koji, bez ljudske intervencije, kombinira sposobnosti generiranja hipoteza, planiranja eksperimenata i analize podataka da bi postigao znanstveno otkriće vrijedno Nobelove nagrade.
Ross King, istraživač kemijskog inženjerstva na Sveučilištu u Cambridgeu i jedan od organizatora izazova, vjeruje da bi 'AI znanstvenik' do toga mogao doći i mnogo prije. 'Gotovo sam siguran da će AI sustavi postati dovoljno dobri da osvoje Nobelove nagrade. Pitanje je samo hoće li im za to trebati 50 ili 10 godina', kaže King.
Mnogi znanstvenici ipak sumnjaju da bi trenutačni modeli, koji generiraju tekst i ideje na temelju postojećeg ljudskog znanja, mogli donijeti posve nove uvide. Takav bi napredak zahtijevao temeljitu promjenu načina na koji se AI razvija i financira.
'Kad bi vlada sutra uložila milijardu dolara u fundamentalna istraživanja, napredak bi bio mnogo brži', smatra Yolanda Gil, istraživačica s Kalifornijskog sveučilišta u Los Angelesu. No uz potencijalne koristi, mnogi upozoravaju na rizike koje nosi uključivanje AI sustava u znanstveni proces.
vezane vijesti
Kad bi AI mogao 'zaraditi' Nobelovu nagradu?
Prema oporuci Alfreda Nobela, nagrada se dodjeljuje onima koji su 'donijeli najveću korist čovječanstvu'. Bengt Nordén, bivši predsjednik Nobelova odbora za kemiju, navodi tri ključna kriterija: otkriće mora biti korisno, snažno utjecati na znanstvenu zajednicu i otvoriti nova vrata razumijevanju.
Do sada su nagrade dodjeljivane samo živim osobama i institucijama, no umjetna inteligencija se već približila Nobelovim priznanjima. Godine 2024. nagradu za fiziku dobili su pioniri strojnog učenja koji su postavili temelje za umjetne neuronske mreže, a polovica nagrade za kemiju pripala je istraživačima koji stoje iza AlphaFolda, AI sustava Googleova DeepMinda koji predviđa 3D strukture proteina. No te su nagrade bile za znanost o umjetnoj inteligenciji, a ne za otkrića pomoću nje.
Da bi AI sustav samostalno osvojio Nobelovu nagradu, morao bi obaviti cijeli istraživački proces 'potpuno ili gotovo potpuno autonomno'; od postavljanja pitanja i planiranja eksperimenata do analize rezultata.
AI već eksperimentira
Gil kaže kako već sada svjedočimo da AI pomaže znanstvenicima u gotovo svakom koraku istraživanja. Umjetna inteligencija može dešifrirati 'govor' životinja, formulirati hipoteze o podrijetlu života u svemiru ili predvidjeti sudare zvijezda. Također može prognozirati pješčane oluje i optimizirati izradu kvantnih računala.
AI je čak počeo sam provoditi eksperimente. Gabe Gomes, kemičar s Carnegie Mellona u Pittsburghu, sa suradnicima je razvio sustav Coscientist, koji koristi velike jezične modele poput ChatGPT-ja za planiranje i izvođenje kemijskih reakcija pomoću laboratorijskih robota. Jedna od neobjavljenih verzija Coscientista, kaže Gomes, iznimno brzo provodi izračune u računalnoj kemiji:
'Jedan je student prigovorio da sustavu treba pola sata da riješi prijelazno stanje reakcije. Meni je za isti problem, kao doktorandu, trebalo više od godine dana.' U Tokiju pak tvrtka Sakana AI koristi jezične modele da bi automatizirala istraživanja strojnog učenja, a Google i drugi istražuju mogućnosti da AI agenti u timovima zajednički stvaraju znanstvene ideje, piše Nature.
Tri vala AI revolucije u znanosti
Većina istraživača danas koristi AI kao asistenta, delegirajući mu specifične zadatke. To, prema Samu Rodriquesu, direktoru laboratorija FutureHouse u San Franciscu, čini 'prvi val' umjetne inteligencije u znanosti. Drugi val, kaže on, dolazi s AI-em koji može samostalno razvijati i procjenjivati hipoteze, pretraživati znanstvenu literaturu i analizirati podatke.
James Zou, biomedicinski znanstvenik sa Stanforda, već je demonstrirao kako sustav temeljen na velikim jezičnim modelima može pronaći one uvide koji su promakli ljudskim istraživačima. Njegov AI sustav je, analizirajući RNA podatke povezane s covidom, otkrio da se određene imunološke stanice u zaraženih osoba češće 'napuhuju' prilikom odumiranja, što je fenomen koji autori izvornog rada nisu primijetili. 'AI agenti počinju samostalno otkrivati nove stvari', kaže Zou.
On uskoro organizira Agents4Science, prvu virtualnu znanstvenu konferenciju na kojoj će sve radove pisati i recenzirati AI agenti, uz ljudske koautore i moderatore. Cilj je testirati može li AI već danas provoditi i ocjenjivati inovativna istraživanja.
Znanost bez čovjeka?
Rodriques smatra da će konačna faza biti potpuno autonomni AI modeli koji postavljaju vlastita istraživačka pitanja i samostalno izvode eksperimente. 'AI bi mogao doći do otkrića vrijednog Nobela do 2030. godine', predviđa.
Najveći potencijal za takav proboj vidi u znanosti o materijalima te istraživanju liječenja Parkinsonove i Alzheimerove bolesti.
No mnogi upozoravaju da je takav optimizam preuranjen. Doug Downey iz Allen Institutea u Seattleu ističe da njihovi AI agenti uspješno dovrše oko 70 posto manjih znanstvenih zadataka, ali tek jedan posto složenih projekata koji uključuju cijeli ciklus od ideje do analize rezultata. 'Potpuno automatizirano znanstveno otkriće i dalje je ogroman izazov', kaže Downey.
Zna li uopće AI što radi?
Čak i kad modeli daju točne rezultate, to ne znači da razumiju temeljne principe. Jedna je studija pokazala da je AI mogao točno predvidjeti kretanje planeta oko zvijezde, ali nije razumio zakone fizike koji to objašnjavaju. U drugom eksperimentu AI nije uspio rekonstruirati kartu ulica New Yorka, iako se mogao 'kretati' kroz grad.
Subbarao Kambhampati, računalni znanstvenik sa Sveučilišta Arizona, upozorava da ljudski znanstvenici uče na osnovi iskustva dok AI svijet doživljava samo kroz podatke. 'Podržavam ideju da AI može ubrzati znanost', kaže on. 'Ali tvrdnja da nam znanstvenici više neće trebati - to je pretjerivanje.'
Yolanda Gil smatra da bi razvoj AI znanstvenika vrijednog Nobelove nagrade zahtijevao ulaganje u sustave s većim rasponom kognitivnih sposobnosti, uključujući meta razmišljanje, odnosno sposobnost da AI preispituje i prilagođava svoj misaoni proces. Takvi modeli mogli bi birati koje eksperimente vrijedi provoditi i korigirati teorije na temelju novih spoznaja.
Gil već godinama radi na istraživanjima u tom smjeru, ali primjećuje da su generativni modeli poput LLM-ova (veliki jezični modeli) potpuno uzeli gotovo svu pozornost. 'Možete dobiti puno uzbudljivih rezultata s generativnim tehnikama', kaže. 'Ali postoji i niz drugih područja na koja treba obratiti pažnju.'
Brojna pitanja
Ross King slaže se da pred AI znanošću stoje velike prepreke: 'Ovi sustavi ne razumiju ljudski svijet, pa ni to da se bave znanošću.'
Na sastancima Nobel Turing Challengea raspravlja se o ključnim pitanjima: treba li AI znanstvenik imati razinu opće umjetne inteligencije (AGI)? Hoće li 'razmišljati' poput čovjeka? Kako riješiti pravne i etičke dileme otkrića koje napravi stroj i tko bi zapravo trebao primiti nagradu?
Odgovor, slažu se mnogi, može dati samo vrijeme. 'Kao i kod svake hipoteze, jedini način da saznamo jest da to testiramo', kaže Gil.
No ne misle svi da bi znanstvena zajednica uopće trebala težiti takvom cilju. Lisa Messeri sa Sveučilišta Yale i Molly Crockett s Princetona upozorile su da preveliko oslanjanje na AI već sada povećava broj pogrešaka u znanstvenim radovima te potiskuje alternativne pristupe. 'AI može dovesti do toga da proizvodimo više, ali razumijemo manje', upozoravaju autorice.
Osim toga, rastuća automatizacija mogla bi umanjiti prilike za mlade istraživače, one koji možda nikad neće steći vještine potrebne da jednog dana sami osvoje Nobelovu nagradu. 'Iako ovo nije igra nulte sume te se, s obzirom na smanjenje istraživačkih i sveučilišnih proračuna, nalazimo u osjetljivom trenutku za procjenu koristi i rizika takve budućnosti', kaže Messeri.
