Искусственный интеллект все чаще упаковывает рутинные автоматизированные рабочие процессы в автономные научные прорывы, путая вычислительную обработку данных с реальными открытиями. Ранее в этом году Anthropic запустила лабораторию молекулярной биологии, где агенты Claude генерировали гипотезы по сложным биологическим проблемам, оставляя ученым-людям задачу проводить физические эксперименты. Как сообщила Anthropic, система из 950 агентов зафиксировала повторяющийся паттерн вокруг известного фермента — скопление, которое, по утверждению компании, никогда ранее не каталогизировалось.
Anthropic сделала упор на маркетинг, описав этот паттерн как напоминающий ранние дни CRISPR. Практикующие исследователи немедленно выступили с критикой. Как отмечалось в вирусном разборе от одного из биологов, который впоследствии поддержал генеральный директор Eli Lilly Дэвид Рикс, найти необычное скопление генов и повторов — это самая легкая часть. Настоящая наука начинается тогда, когда вы выясняете, как биологическая система работает на практике.
"Найти странное скопление генов и повторов — зачастую самая легкая часть. Самое трудное и то, откуда берутся реальные открытия, — это выяснить, как система работает на самом деле."
Эта огромная пропасть между автоматизированной обработкой данных и функциональным биологическим открытием иллюстрирует более масштабную тенденцию: технологические провайдеры продают вычислительный труд как самостоятельные научные вехи, чтобы раздуть ожидания в сфере R&D.
Конфликты верификации и авторства
Методологическая путаница только усиливается, когда системы ИИ выдают результаты, которые подозрительно совпадают с текущими академическими исследованиями. Как сообщала The New York Times, биолог из Копенгагенского университета Марио Родригес Местре отметил, что его команда уже открыла именно этот паттерн. Поскольку Родригес Местре регулярно общался с Claude во время своего исследования, он усомнился в том, что команда Anthropic скопировала его предыдущие разговоры или обучалась на них. Хотя Anthropic это отрицает, Родригес Местре заявил, что в любом случае прекращает любое использование Claude.
Это противоречие обнажает ключевой экономический стимул: технологические гиганты получают огромную прибыль, стирая грань между алгоритмическим распознаванием образов и фундаментальными прорывами. Без четких методологических критериев для оценки реального вклада языковых моделей в научный метод корпоративные R&D-бюджеты остаются уязвимыми перед лицом дорогостоящего пузыря переоцененных возможностей.
Маркировка алгоритмов фильтрации гипотез как автономных первооткрывателей никак не двигает науку вперед. Это лишь демонстрирует, что маркетинговые отделы научились исключительно искусно выдавать базовую сортировку данных за революцию.