tgoop.com/vibesandtech/42
Last Update:
Я долго скептически смотрел на заявления о том, что нейросети могут делать настоящие научные открытия. Ну как статистические модели, пусть очень мощные, способны на творчество? Наука же требует интуиции, неожиданных связей, прорывного мышления.
Но факты упрямо говорят об обратном. AlphaFold от DeepMind не просто систематизирует белковые структуры. Cистема предсказала строение миллионов белков, за что её создатели получили Нобелевку в 2024 году. Это уже не поиск по заданному алгоритму, это генерация новых знаний о фундаментальных биологических процессах.
Ещё более показательный пример — FunSearch, которая "думает в коде". Система генерирует программы для решения математических задач и сама их проверяет через итеративный поиск в пространстве функций. Так FunSearch нашла новые решения классических проблем комбинаторики, которые десятилетиями не поддавались человеческому уму.
В биологии российские учёные из МГУ создали нейросеть, предсказывающую аффинность белок-белковых взаимодействий, основу для разработки противоопухолевых препаратов. А системы вроде AlphaGeometry решают олимпиадные задачи по геометрии на уровне золотых медалистов IMO.
Мы наблюдаем эволюцию от инструмента к соавтору. Нейросети больше не просто ускоряют расчёты, они находят паттерны там, где человек их не видел, и предлагают решения, до которых мы бы не додумались.
Как думаете, где граница между "умным поиском" и настоящим научным творчеством?
BY Тарас Довгаль. AI-first в жизни и работе
Share with your friend now:
tgoop.com/vibesandtech/42