Кто и как будет заниматься наукой в эпоху развитого ИИ? Автоматизация исследований, ИИ в физическом мире и роль человека.

На 63-м семинаре Центра наук о Земле МФТИ Михаил Криницкий, заведующий Лабораторией машинного обучения в науках о Земле МФТИ, предложил обсудить, кто и как будет заниматься наукой по мере развития искусственного интеллекта. Доклад был намеренно построен вокруг вопросов, а не готовых прогнозов: насколько далеко может зайти автоматизация исследований, как изменится роль ученого и какая ответственность останется у человека.

По словам докладчика, большие языковые модели вместе с агентной «обвязкой» уже берут на себя отдельные операции и более длинные последовательности действий: работу с литературой и текстом, написание и проверку кода, анализ данных, планирование проверки гипотез и итерации по результатам. Особенно быстро автоматизируются задачи, в которых качество решения можно формализовать и проверить вычислительно, — например, программирование, математические доказательства или численные эксперименты. При этом сбор данных и экспериментальная проверка в физическом мире пока остаются более сложной границей. Однако примеры лабораторной роботизации, автономных измерительных систем и воплощенного ИИ показывают, что и эта граница, по мнению Михаила, не является неподвижной.

Такая автоматизация уже меняет повседневную роль исследователя. Опытный ученый может меньше писать код вручную, больше формулировать задачи, оценивать результаты и одновременно вести несколько направлений. Но ускорение не гарантировано: дополнительные варианты требуют проверки, а путь до надежного результата иногда становится длиннее. Поэтому в докладе различались по меньшей мере три вопроса: исчезнет ли профессия ученого, изменятся ли выполняемые человеком функции и станет ли меньше людей в науке. Однозначных ответов на них пока нет.

Центральной проблемой стало воспроизводство научной экспертизы. Начинающий исследователь учится не только из книг и готовых ответов, но и проходя путь собственных ошибок, самостоятельно находя их причины и вырабатывая критическое мышление, физическую интуицию и умение проверять выводы. Если этот путь полностью обходит автоматика, результат может быть получен без понимания того, как он возник. Михаил не предлагал просто запрещать ИИ студентам: в обсуждении прозвучала необходимость выстроить его использование так, чтобы инструмент помогал учиться, но не устранял посильные интеллектуальные барьеры, на которых формируется экспертиза.

Отдельная часть разговора касалась научной репутации и распределения ресурсов. Статья передает знание, но одновременно служит сигналом о компетентности автора или коллектива для коллег и грантовых организаций. Чем больше стадий исследования автоматизировано, тем менее однозначным становится этот сигнал. Системы поиска и рекомендаций уже перераспределяют внимание между публикациями, а ИИ участвует в подготовке текстов и заявок; при этом доступ к таким инструментам неравномерен. Участники обсуждали, как в этих условиях оценивать вклад исследователя, кому доверять экспертизу и финансирование и кто способен независимо проверить результат.

В заключении Михаил вернулся к границе человеческой ответственности. Пока за исследователем остаются постановка центрального вопроса, выбор значимых данных и критериев, оценка физической обоснованности и понимание пути к результату, но докладчик предостерег от уверенности, что эта граница принципиальна и неизменна. В дискуссии об авторстве он подчеркнул отсутствие окончательного ответа и сформулировал практический ориентир: человек, ставящий свое имя под работой, должен понимать ее и отвечать за результаты. Поэтому итоговый вопрос семинара остался открытым: какую роль сохранит человек, если автоматизация научного цикла продолжит расширяться, и как обеспечить человеческую способность задавать вопросы, проверять ответы и нести за них ответственность?