Veštačka inteligencija je tehnologija koja je u proteklih nekoliko godina otvorila potpuno nove mogućnosti za istraživače i istovremeno izmenila samu prirodu naučnog rada. Na primer, nedavno je otkiveno da AI može identifikovati više od 100 zdravstvenih stanja nakon analize sna samo za jednu noć.
Još jedan od najjasnijih primera ovakvog uticaja AI je predviđanje strukture proteina. Najpoznatiji model u ovom polju je AlphaFold, čiji je značaj toliki da je za ovaj prodor dodeljena Nobelova nagrada. Ovo nije samo teorijski pomak, već je reč je o konkretnom ubrzanju istraživanja koje koriste desetine hiljada naučnika širom sveta, sa direktnim uticajem na razvoj novih lekova.
Kao i kod svakog značajnog tehnološkog izuma, konkurencija je brzo usledila, što je pozitivan znak. Danas već postoje i alternativna rešenja, uključujući modele koji koriste slične principe i pomažu naučnicima da rešavaju konkretne, praktične probleme.
Ubrzanje zahvaljujući AI primetno je i u drugim oblastima, pre svega u hemiji, nauci o materijalima i fizici, naročito tamo gde se radi sa ogromnim količinama podataka. Ipak, kada je reč o ulozi naučnika, suština se ne menja. Ljudi koji postavljaju fundamentalna pitanja o prirodi, svetu i našem mestu u njemu postojali su kroz istoriju i postojaće i dalje.
Promene u nauci koje će AI doneti
Naučni sistem se menja sa razvojem AI - postepeno se udaljava od veličanja trke za najvećim brojem publikacija. Umesto toga, sa pojavom generativnih tehnologija, sve veću vrednost dobijaju same ideje i stvarni doprinos znanju, a ne količina objavljenih naučnih radova.
Istovremeno, menja se i način na koji se nauka ocenjuje. Klasični modeli recenziranja i procene kvaliteta istraživanja mogli bi da postanu nedovoljni. U budućnosti, u taj proces mogu biti uključeni i AI alati koji ne samo da pomažu u pisanju, već i učestvuju u recenziranju radova.
Pored toga, istovremeno smanjuje prepreke za ulazak u naučna istraživanja - i iskusni naučnici i oni na početku karijere danas lakše pristupaju ogromnoj bazi postojećih podataka, pod uslovom da imaju pristup adekvatnim računarima. To stvara transparentnije okruženje u kojem je jasnije ko zaista donosi nove ideje, a ko samo ponavlja već viđene pristupe, prenosi "RBK Trend".
Ipak, ova demokratizacija ima svoja ograničenja. AI zahteva ozbiljnu infrastrukturu i resurse, što znači da pristup nije jednako dostupan svima.
Osnovni model naučnog rada ostaje isti: Naučnik postavlja pitanja i prihvata odgovore, čak i onda kada oni ne potvrđuju njegovu hipotezu. Drugim rečima, menjaju se alati, ali ne i sama priroda naučne radoznalosti.
S druge strane, generativni modeli donose rizik od inflacije naučnih radova. Kako je pisanje članaka sve lakše, raste broj radova koji ne nose jednaku vrednost, tako da brojni naučni časopisi i udruženja pooštravaju kriterijume i sve češće koriste AI u procesu recenziranja. Klasičan naučni članak, kakav danas poznajemo, polako gubi značaj. Srećom, ono što još uvek ostaje najvrednije su ideje - a one su retke i uvek pripadaju ljudskom umu.