В погоне за индивидуальными успехами ученый, к сожалению, может «забыть» о том, что его истинное предназначение — не личное продвижение, а служение пр…

В погоне за индивидуальными успехами ученый, к сожалению, может «забыть» о том, что его истинное предназначение — не личное продвижение, а служение продвижению науки, которая в современном мире является не уделом одиночек, а делом научных коллективов и по большому счету всего научного сообщества. При недобросовестном подходе ИИ, возможно, и принесет пользу отдельным ученым в их научной карьере, но в целом грозит разрушить науку как сферу, призванную вести человечество вперед, к новым знаниям.

В 2025 году австралийский экономист, профессор стратегического менеджмента Джошуа Ганс опубликовал в издании National Bureau Of Economic Research статью «В поисках знаний об ИИ» (A Quest for AI Knowledge), ставшую результатом исследования влияния искусственного интеллекта на качество научных работ. Как отмечается в работе, «в условиях умеренного развития технологий ученые начинают „подстраиваться под ИИ“, ограничивая новизну своих работ рамками его операционных возможностей». Говорится также, что «использование ИИ среднего уровня может привести к снижению амбициозности научных изысканий».

Заметим, что речь идет об «умеренном развитии технологий» и «ИИ среднего уровня». Возможно, когда уровень развития технологий искусственного интеллекта станет высоким, положение дел изменится, и вполне вероятно, не в лучшую сторону — ведь человечество столкнется с новыми исходящими от искусственного интеллекта вызовами. Однако сейчас и в обозримом будущем ИИ, хоть и гордо именуется «интеллектом», на самом деле таковым не является — он всего лишь интерполяционный инструмент, который хоть и способен быстро найти и скомбинировать уже существующее знание, совершенно не способен выйти за его пределы и создать знание принципиально новое. Он, в отличие от человека, не способен мыслить самостоятельно, у него нет человеческого стремления к новизне, нет творческого порыва. А возможна ли без всего этого наука?

Следует отметить, что отсутствие новизны в созданных с помощью ИИ текстах не всегда легко заметить. При генерации гипотез ИИ часто выдает за новое то, что таковым не является. В июне 2025 года в электронной научной библиотеке arXiv была размещена статья «Разрыв между генерацией и реализацией: результаты воплощения исследовательских идей, предложенных большими языковыми моделями (LLM) и людьми».

В ней речь идет о LLM (Large Language Model) — классе алгоритмов искусственного интеллекта, которые обучаются на огромных массивах текстовых данных, чтобы понимать, анализировать и генерировать человеческий язык. Они умеют отвечать на вопросы, создавать тексты, переводить, анализировать данные, выдвигать гипотезы.

Как отмечают авторы статьи, в ряде случаев идеи, предложенные LLM, оцениваются как более оригинальные, чем идеи экспертов-людей. «Однако хорошая идея должна не просто казаться новой — она должна приводить к более качественным результатам после ее реализации», — утверждают авторы.

На первом этапе LLM выиграли у людей — эксперты сочли их гипотезы более новаторскими. Однако на втором этапе, когда дело дошло до реализации идей на практике, экспертные оценки ИИ-гипотез резко снизились, причем по всем критериям (новизна, перспективность, эффективность и общая оценка). При этом человеческие идеи прошли эту проверку куда более успешно.

То есть поначалу ИИ-гипотезы могут показаться более яркими, оригинальными. Искусственный интеллект умеет «пустить пыль в глаза» эффектными формулировками, приукрасить свою гипотезу и преувеличить ее потенциальную значимость. При этом за красивым фасадом скрывается переливание из пустого в порожнее.

📑 Читать статью целиком в 684 номере газеты «Суть времени» Сергея Кургиняна
#газета_Кургиняна

➡️ MAX | Telegram | ВК