Jak AI zmieni wszystko. Opinia fizyka należącego do 2% najczęściej cytowanych naukowców na świecie

Czy AI już potrafi dokonywać odkryć naukowych?

Trudno nadążyć za tempem, w jakim AI opanowuje nowe dziedziny aktywności umysłowej. Niektóre z tych kierunków wydają się bardziej ciekawostkami — jak na przykład zdolność do grania w «Mafię», skutecznie oszukując i przekonując innych graczy.

Znacznie bardziej imponujące są doniesienia o sukcesach AI w dziedzinie nauki. 22 września na stronie Uniwersytetu Cornella pojawił się preprint opisujący nowy sposób oceny zdolności matematycznych LLM. Twórcy, profesor Moran Feldman z Uniwersytetu w Hajfie (Izrael) i Amin Karbasi, kierownik badań w Cisco Foundation AI, nazwali go «testem Gödla» — na cześć austriackiego logika i matematyka Kurta Gödla. Istotą testu jest to, że AI ma rozwiązywać nieznane dotąd zadania matematyczne, lecz nowe, choć stosunkowo proste. W praktyce LLM musi samodzielnie formułować nowe idee i je weryfikować — czyli robić to, co potocznie nazywamy «odkryciami».

Do eksperymentu z GPT-5 autorzy wybrali pięć nowych problemów z dziedziny optymalizacji kombinatorycznej. Dla trzech z nich LLM zaproponował rozwiązania, które naukowcy ocenili jako «prawie poprawne»: kluczowa idea była zgodna z wymaganą, ale AI nie potrafiło doprowadzić uzasadnienia do poziomu pełnego, weryfikowalnego dowodu. Z dwoma pozostałymi zadaniami GPT-5 sobie nie poradził.

Idea, że AI zacznie zajmować się nauką jak prawdziwy naukowiec zdolny do dokonywania odkryć, wcale nie wydaje się fantastyczna także twórcom LLM. Kilka dni po publikacji preprintu Feldmana i Karbasiego dyrektor generalny OpenAI Sam Altman w wywiadzie dla Axel Springer Global Reporters zaproponował nowe kryterium dla AGI (Artificial General Intelligence — AI, którego możliwości będą odpowiadać ludzkim praktycznie we wszystkich zadaniach poznawczych lub je przewyższą). Według Altmana, AI (na przykład GPT-8) można będzie uznać za AGI, jeśli rozwiąże problem grawitacji kwantowej i będzie w stanie wyjaśnić człowiekowi, jak to zrobi. Przy okazji, Altman spodziewa się pojawienia pełnoprawnego AGI już do 2030 roku.

Zdaniem Altmana, rozwiązanie problemu grawitacji kwantowej będzie porównywalne ze stworzeniem ogólnej teorii względności Alberta Einsteina — «jednej z najpiękniejszych rzeczy, jakie kiedykolwiek wymyśliła ludzkość». Z pomysłem Altmana, że rozwiązanie problemu grawitacji kwantowej może stać się «ostatecznym testem na AGI», zgodził się również jego rozmówca, brytyjsko-izraelski fizyk teoretyczny i pionier obliczeń kwantowych David Deutsch.

Miejsce AI we współczesnej nauce

Jak współcześni badacze już wykorzystują AI w swojej pracy? Czy w przewidywalnej przyszłości będzie on mógł zajmować się nauką na równi z naukowcami lub nawet ich przewyższyć? Czy rola naukowców sprowadzi się do tworzenia promptów dla AI? Zapytaliśmy o to białoruskiego fizyka z fińskiego Uniwersytetu Aalto, który w rankingu Uniwersytetu Stanforda i wydawnictwa Elsevier na rok 2024 znalazł się w dwóch procentach najczęściej cytowanych naukowców na świecie.

— Załóżmy, że AI rzeczywiście nauczy się dowodzić nierozwiązane hipotezy matematyczne, nawet jeśli nie będą one zbyt skomplikowane. Czy to oznacza, że potrafi samodzielnie zajmować się nauką? A może to zbyt wąskie kryterium?

• obserwację;
• postawienie problemu;
• wysunięcie hipotezy;
• badania eksperymentalne;
• analizę danych i budowanie teorii na ich podstawie.

Na przykład, ludzie od zawsze widzieli i obserwowali tęczę na niebie. W pewnym momencie chcieli dowiedzieć się, dlaczego tęcze pojawiają się na niebie i zawsze naprzeciwko słońca (postawienie problemu). Ponad tysiąc lat temu na Bliskim Wschodzie pojawiła się hipoteza, zgodnie z którą tęcza pojawia się wskutek załamania światła słonecznego w kropelkach wody w atmosferze. W średniowieczu Kartezjusz i Newton przeprowadzili badania eksperymentalne dowodzące natury tęczy i zbudowali odpowiednią teorię.

Test Gödla obejmuje jedynie dwie z pięciu umiejętności: wysuwanie hipotez oraz analizę danych prowadzącą do tworzenia teorii.

Które etapy metody naukowej AI może obecnie realizować? Przeanalizujmy po kolei. Weźmy za przykład wciąż niezbadany obszar: pioruny kuliste.

Fizycy proponują wiele różnych modeli teoretycznych dotyczących natury piorunów kulistych, ale na razie nie ma danych eksperymentalnych potwierdzających ten czy inny model. AI nie jest jeszcze zdolny do prowadzenia obserwacji, nie mówiąc już o eksperymentach mających na celu tworzenie piorunów kulistych. Wymagałoby to podłączenia go do «żelaza», na przykład połączenia z zaawansowanym technologicznie robotem. Takie rozwiązanie mogłoby zastąpić naukowców, ale robotyka jest jeszcze dość daleka od tak złożonych manipulacji.

Natomiast stawianie problemów, proponowanie hipotez i budowanie teorii nie jest już dla AI tak niemożliwym zadaniem. Już teraz AI w mniejszym lub większym stopniu może radzić sobie z takimi zadaniami. I wcale nie zdziwię się, jeśli w ciągu najbliższych pięciu lat dogoni naukowców w tych dziedzinach.

Przykład z mojego osobistego doświadczenia w nauczaniu: AI świetnie radzi sobie obecnie z formułowaniem zadań dla studentów licencjatu. Potrafi już tworzyć i poprawnie rozwiązywać nieskomplikowane zadania, których wcześniej nikt nie formułował i których nie ma w otwartym dostępie.

— Czy AI może przyspieszyć rozwój nauki? Czy dzięki niemu może nastąpić jakiś przełom podobny do rewolucji naukowo-technicznej połowy XX wieku? Czy to właśnie AI może wprowadzić nas w tę osobliwość technologiczną, którą przewidział von Neumann?

— Uważam, że znacznie przyspieszy. Szybciej będą pojawiać się nie tylko odkrycia naukowe, ale (zwłaszcza) nowe sposoby ich zastosowania, które będą pojawiać się jeszcze szybciej. Technologie będą nas coraz bardziej zaskakiwać.

Całkiem dopuszczam możliwość osobliwości technologicznej.

Między dwoma ogniami

— Jak Pan sądzi, czy asystenci AI oparci na LLM będą w przewidywalnej przyszłości mogli zajmować się nauką na równi z naukowcami? A może nawet ich przewyższą?

— Myślę, że tak. W fizyce stosowanej coś podobnego już wcześniej się zdarzyło. Obecne modelowanie komputerowe może z łatwością rozwiązywać zadania, których naukowcy bez pomocy komputerów teoretycznie nie są w stanie rozwiązać. W rezultacie, modelowanie komputerowe jest teraz aktywnie wykorzystywane przez naukowców, również do tworzenia hipotez i zbierania danych.

— Czy rozwój technologii AI może zmniejszyć w najbliższej przyszłości zapotrzebowanie na specjalistów na przykład w dziedzinie fizyki fundamentalnej? Czy nie widzi Pan w AI zagrożenia dla naukowców, których zaczną zastępować bardziej potulni i tańsi «sztuczni pracownicy naukowi»?

— Raczej nie. Jak już wcześniej wspomniałem, badania naukowe zwykle obejmują pięć odrębnych komponentów. A całkowite ich pokrycie siłami AI będzie możliwe nieprędko. Przynajmniej do tego momentu może zniknąć wiele innych zawodów.

Na obecnym etapie rozwoju technologii AI nie przewiduję całkowitego wyparcia ludzi-naukowców z badań naukowych. Najprawdopodobniej naukowcy będą aktywnie wykorzystywać AI do tworzenia teorii i prowadzenia badań naukowych. Ale jeśli i gdy tylko pojawi się pierwsza prawdziwa sztuczna superinteligencja (superintelligence), wszystko może się szybko zmienić.

— Czy ostatecznie rola naukowców może sprowadzić się do poprawnego formułowania zadań-promptów dla AI? Wydaje się, że w fizyce jest to trudniejsze niż w matematyce, ponieważ potrzebne są tu praktyczne eksperymenty. Ale czy na przykład w fizyce teoretycznej może się to zdarzyć?

— Sprowadzenie do tworzenia promptów to zbyt śmiałe stwierdzenie. Powiedziałbym, że umiejętność poprawnego formułowania promptów będzie ważna dla naukowców, ale z pewnością nie jedyna.

Fizyka teoretyczna wciąż jest powiązana ze zjawiskami, które są weryfikowane eksperymentami lub obserwacjami, co odróżnia ją od matematyki. Dlatego zastąpienie nawet fizyków teoretycznych sztuczną inteligencją w najbliższej przyszłości nie jest przewidywane.

— Jak Pan, jako naukowiec, postrzega asystentów AI na ich obecnym etapie rozwoju? Widzi Pan w nich użyteczne narzędzie? Czy stanowią jakieś zagrożenie dla osób wykonujących Pana zawód?

— Postrzegam ich bardzo pozytywnie. To już teraz bardzo użyteczne narzędzie, choć wielu naukowców jeszcze tego nie dostrzega. Już obecnie AI można wykorzystać (z różnym stopniem skuteczności) do:

• przeglądu literatury;
• burzy mózgów w celu generowania nowych pomysłów;
• skuteczniejszego studiowania przedmiotów lub konkretnych tematów;
• weryfikacji własnych teorii i obliczeń;
• pomocy technicznej z językami programowania;
• korygowania tekstów naukowych.

Myślę, że ta lista będzie z czasem rosnąć.

Oczywiście, istnieje też zagrożenie ze strony AI dla ludzi mojej profesji. Naukowcy, którzy nie dostosują się do obecności AI, mogą w przyszłości znaleźć się w gorszej pozycji względem pozostałych.

Istnieje też zagrożenie z drugiej strony. Tych naukowców, którzy w swojej pracy będą zbyt mocno polegać na AI zamiast samodzielnie doskonalić się z jego pomocą, można będzie szybko zastąpić tym samym AI.