Жасанды интеллект агенттері ғылыми жаңалық ашу үдерісін түбегейлі өзгертіп жатыр. Олар ғылыми болжамдарды бұрын-соңды болмаған жылдамдықпен әрі аз шығынмен ұсына алады. Алайда зерттеушілер бұл болжамдарды тәжірибе жүзінде тексеріп үлгермей отыр. Google DeepMind компаниясының Conjecture Machines баяндамасында ғылыми болжамдардың лезде жасалуы мен оларды тәжірибелік жолмен дәлелдеудің баяу әрі қымбат үдерісі арасындағы алшақтық алдағы уақытта одан әрі ұлғаятыны айтылған. Осыған байланысты ғылыми инфрақұрылымды, яғни зертханалар жұмысынан бастап ғылыми мақалаларды сараптау жүйесіне дейін түбегейлі жаңғырту қажеттігі туындайды. Бұл өзгерістердің салдары, ең алдымен, жас ғалымдарға әсер етуі мүмкін. Өйткені олар ғылыми пайымдау қабілеті мен зерттеушілік түйсігін қалыптастыру мүмкіндігінен айырылу қаупіне тап болады.
Кәдімгі чат-боттардан ерекшелігі – жасанды интеллект агенттері ұзақ мерзімді мақсаттарға өздігінен қол жеткізуге қабілетті. Олар күрделі міндеттерді бірнеше кезеңге бөліп орындайды, бірнеше үдерісті қатар жүргізеді, жұмыс барысында жіберілген қателерін дереу түзетеді әрі сыртқы жүйелермен өзара әрекеттесе алады. Мұндай мүмкіндіктерге деректер қорымен жұмыс істеу, зертханалық роботтарды басқару және ғылыми бағдарламаларды пайдалану кіреді. Авторлар мысал ретінде Co-Scientist жасанды интеллект агентін келтіреді. Ол екі күннің ішінде антибиотиктерге төзімділіктің таралуына қатысты күрделі биологиялық болжамды өз бетінше ұсынып, оның маңыздылығын бағалай алған. Ал дәл осы ғылыми тұжырымға Лондондағы Империялық колледждің зерттеушілер тобы шамамен он жыл бойы еңбек еткен.
Қытай зымыран тасығыштың алғашқы сатысын сәтті қайтарған әлемдегі екінші мемлекет атанды
Мұндай жүйелердің тиімділігінің күрт артуына үш негізгі фактор ықпал етіп отыр. Олар – жасанды интеллектінің қуатты базалық үлгілерінің дамуы, оның жұмысын ұйымдастыратын бағдарламалық құрылымдардың қолданылуы және нақты зертханалардың ерекшеліктеріне бейімделуі. Соңғы буындағы жасанды интеллект үлгілері пайымдау қабілетінің арқасында Humanity’s Last Exam және FrontierMath сияқты күрделі ғылыми сынақтарда сарапшы мамандардың нәтижесінен де жоғары көрсеткішке қол жеткізуде. Арнайы бағдарламалық орта олардың жадыны пайдалануына, ғылыми бағдарламалармен жұмыс істеуіне және ғылыми әдебиеттерді іздеу құралдарына қол жеткізуіне мүмкіндік береді. Сонымен қатар ғалымдар көп жылғы тәжірибесінде жинақталған білімін қарапайым мәтіндік нұсқаулықтарға айналдыра алады. Осындай дағды жиынтықтары жасанды интеллект агентіне белгілі бір зертхананың жұмыс ерекшелігін қысқа уақыт ішінде меңгеруге көмектеседі.
Соның нәтижесінде ғылыми болжамдар ұсыну үдерісі бұрынғыдан әлдеқайда арзан әрі ауқымды сипатқа ие болуда. Ал бұл болжамдарды тәжірибе арқылы жоққа шығару немесе растау кезеңі бұрынғысынша нақты зертханалық жұмыстарды қажет етеді. Сондықтан ол баяу жүзеге асады әрі едәуір қаржылық шығынды талап етеді.
Бұл жағдайдан математика мен бағдарламалау салалары ғана біршама ерекшеленеді. Өйткені бұл бағыттарда ұсынылған шешімдердің дұрыстығын толықтай виртуалды ортада тексеруге болады. Соған қарамастан ғалымдар «математикалық шамадан тыс жүктеме» қаупі туралы ескертіп отыр. Яғни жасанды интеллект ұсынатын дәлелдер көлемі оларды ғылыми қауымдастықтың толық зерделеу мүмкіндігінен асып түсуі ықтимал.
Ал материалтанудан бастап жаңа дәрілік заттарды әзірлеуге дейінгі көптеген ғылыми бағыттарда теориялық болжам мен оны тәжірибе жүзінде тексеру арасындағы алшақтық барған сайын ұлғайып келеді. Мәселен, жасанды интеллект агенті қартаю үдерісін баяулатуға арналған геномды өзгерту тәсілдерінің тұтас ретін бір сәтте ұсына алады. Алайда мұндай ғылыми болжам зертханалық жағдайда биологиялық жасушаларда сыналып, нәтижесі дәлелденбейінше ғылыми тұжырым ретінде мойындалмайды. Осы кедергіні еңсеру үшін Google DeepMind, Ginkgo Bioworks және Lila Sciences сияқты технологиялық компаниялар роботтандырылған интеллектуалды зертханалар салуға қомақты қаржы сала бастады.
Жасанды интеллект агенттерін кеңінен енгізу бірқатар әлеуметтік тәуекелдерді де қатар алып келеді. Бірінші тәуекел – жас ғалымдардың кәсіби дағдыларының әлсіреуі. Егер зерттеушілер еңбек жолының басынан бастап барлық міндетті жасанды интеллект агенттеріне жүктесе, олардың өзіндік ғылыми пайымы мен зерттеушілік түйсігі жеткілікті деңгейде қалыптаспай қалуы мүмкін. Екінші тәуекел – ғылыми ұйымдардың қаржыны қызметкерлерді қолдауға емес, есептеу ресурстарын көбейтуге жұмсауды жөн көруі. Үшінші мәселе – гранттық өтінімдер мен ғылыми мақалалардың мазмұны қаржыландыру талаптарына бейімделген сайын олардың жаңашылдығы мен бірегейлігі төмендеуі ықтимал. Бұған қоса, ең озық жасанды интеллект агенттеріне қолжетімділік шектеулі болса, қаржылық мүмкіндігі жоғары және төмен ғылыми ұйымдар арасындағы айырмашылық бұрынғыдан да тереңдей түсуі мүмкін.
Баяндама авторлары ғылым саясатын қалыптастыратын мемлекеттік органдар мен ғылыми қорлар үшін төрт негізгі басымдықты ұсынады. Біріншісі – жасанды интеллект агенттеріне кең көлемде қолжетімділікті қамтамасыз ету. Бұл мәселе стратегиялық маңызы жағынан суперкомпьютерлерге қолжетімділікпен тең дәрежеде қарастырылуы тиіс. Екіншісі – ұлттық ғылыми деректер қорын жасанды интеллект агенттері тиімді пайдалана алатындай етіп бейімдеу. Ол үшін ашық бағдарламалық интерфейстерді, сапаны бақылау тетіктерін және толыққанды метадеректерді енгізу қажет. Үшіншісі – ғылыми болжамдарды тәжірибе арқылы тексеруге мүмкіндік беретін инфрақұрылымды, оның ішінде автоматтандырылған зертханаларды дамытуға инвестиция салу. Төртіншісі – ғылыми сараптама жүйесін жаңғырту. Жасанды интеллект агенттері ғылыми жарияланымдардың көбеюіне байланысты сарапшылардың жұмысын жеңілдете алады. Дегенмен бұған дейін оларды қолданудың ашық әрі түсінікті қағидалары әзірленуі қажет.
Баяндаманың негізгі қорытындысы бойынша қазіргі ғылыми инфрақұрылымның барлық буыны, яғни зертханалар, гранттық қаржыландыру жүйесі, ғылыми сараптама тетіктері мен зерттеушілердің мансаптық даму жолдары жасанды интеллекттің даму қарқынына ілесе алмай отыр. Авторлар ғылыми зерттеулерді автоматтандыру ғылыми қаржыландыруды қысқартуға негіз болмауы тиіс екенін ерекше атап көрсетеді. Керісінше, ғылым жүйесін терең құрылымдық тұрғыдан жаңғыртуды алғашқы болып жүзеге асырған мемлекеттер ғана бұл технологиялық өзгерістердің ең үлкен пайдасын көре алады.
Дереккөз: SHAZOO
Қосымша материалдар мен сараптамалық шолуларды біздің Telegram арнамыздан оқуға болады.
