✍️ Когда ИИ помогает ученым не только читать статьи, но и писать их, это знаменует собой переход на новую модель науки. Прежняя строилась на дефиците данных, новая будет работать на избытке. Если угодно, это можно назвать кризисом: лавина данных вскоре накроет многие области исследований, а мозг человека просто не в силах ориентироваться в столь больших, быстрых и сложных потоках. Их будет обрабатывать ИИ. С научными публикациями аналогично — текстов становится слишком много. Приход LLMs в эту сферу выглядит вынужденно неизбежным, но это и прикончит сам формат статьи. Главное, что будет (должно) волновать ученых в этой новой эпохе — как не утратить понимание научной картины мира. И способен ли ИИ сам выступать агентом понимания, особенно в свете его «необъяснимости и непостижимости», а также с учетом кризиса воспроизводимости. Сегодня ИИ уже вносит заметный вклад в науку, пока вспомогательный, но дело идет к тому, что он станет, как минимум, равным: машины сами будут порождать открытия и концепции, и чем мощнее лавина данных, тем роль ИИ окажется выше. На этом пути есть масса рисков и возможностей, они активно обсуждаются, см. навскидку: 🗞 Artificial intelligence: A powerful paradigm for scientific research | The Innovation (2021) 🗞 On scientific understanding with artificial intelligence | Nature Reviews Physics (2022) Вовсе не праздный вопрос: понимают ли большие модели и дано ли людям понять их выводы. Для развития науки этот вопрос может стать роковым — быть может, придется сменить ожидания и впредь не рассчитывать на глубокое осмысление сути вещей. Этот момент представляется мне исключительно важным, вот почему я регулярно затрагиваю тему ‘LLM vs. понимание’ и еще буду к ней возвращаться. В этом контексте идет и предыдущее сообщение.