Вчера в ходе панельной дискуссии в ИНИОН РАН обсуждались вопросы, связанные с применением технологий искусственного интеллекта (ИИ) в практике научной работы. В конце этой дискуссии я отметил, что почти все обсуждение шло вокруг инструментов ИИ, основанных на больших языковых моделях (LLM). В последние годы такие инструменты действительно сильно повлияли на заключительные этапы научной работы, которые связаны с представлением полученных научных результатов в виде статей или докладов на конференциях.
 
Но, с другой стороны, за большими языковыми моделями стоит довольно тривиальная математика, основанная на обучении нейросети на большом числе сгенерированных человечеством текстов, которое позволяет угадывать наиболее вероятный ответ на поставленный вопрос. Для науки гораздо более интересны случаи, когда модели ИИ строятся вокруг других сущностей, а не на основе текстов. Примером такого подхода служит программа AlphaFold от компании Deep Mind, которая решила проблему сворачивания белков, за что ее разработчики были удостоены Нобелевской премии по химии 2024 года.
 
И вот сегодня я увидел, что в журнале Nature 19 мая были опубликованы сразу три статьи, в которых описываются новые инструменты ИИ, работа которых не сводится к генерации текстов:
 
https://www.nature.com/articles/s41586-026-10644-y
https://www.nature.com/articles/s41586-026-10652-y
https://www.nature.com/articles/s41586-026-10658-6
 
Фактически вниманию научного сообщества предлагаются ИИ-инструменты, которые позволяют на основании имеющихся эмпирических данных самостоятельно формулировать научные гипотезы, критиковать и уточнять их, выбирать оптимальные пути для проведения экспериментальных исследований. Компания Deep Mind назвала свой инструмент Co-Scientist, а система от компании FutureHouse получила название Robin. Эффективность обоих инструментов продемонстрирована на примере выбора оптимальных кандидатов на новые лекарственные препараты. Биомедицинский аспект этих статей хорошо описан на русском языке здесь:
 
https://pharmprom.news/ii-uchenye-v-dejstvii-nejroseti-ot-google-i-futurehouse-sozdali-rabochie-preparaty-ot-lejkoza-i-slepoty/
 
Еще одна статья описывает ИИ-систему ERA (Empirical Research Assistance) которая позволяет автоматизировать создание научного программного обеспечения для реализации тех или иных исследовательских идей. Эффективность данного инструмента демонстрируется на примере широкого спектра задач – от биоинформатики и эпидемиологии до прогнозирования солнечной активности.

Разумеется, данные работы не означают, что инструменты ИИ вскоре заменят реальных исследователей, но они дают в руки ученых мощные средства, которые позволяют существенно ускорить процесс научного поиска.