Naučno istraživanje predstavlja jednu od najkompleksnijih aktivnosti koje ljudi obavljaju. Početak ovog procesa zahteva temeljno razumevanje postojećih saznanja i identifikaciju značajnih praznina u informacijama. Nakon toga, naučnici moraju postaviti istraživačko pitanje, osmisliti eksperiment i sprovesti ga kako bi dobili odgovor. Analiza i interpretacija rezultata eksperimenta često dovode do novih istraživačkih pitanja, čime se proces nastavlja.
Kompanija Sakana AI Labs nedavno je najavila stvaranje „naučnika veštačke inteligencije“, sistema koji tvrdi da može automatizovati naučna otkrića u oblasti mašinskog učenja. Ovaj sistem koristi velike jezičke generativne modele poput onih koji stoje iza ChatGPT-a, omogućavajući mu da razmišlja, kreira algoritme, generiše rezultate i piše naučne radove sa sažetkom eksperimenta i nalazima.
Sakana tvrdi da njihov AI alat može voditi kompletan proces naučnog eksperimenta po ceni od svega 15 USD po radu, što je manje od cene obroka naučnika. Međutim, postavlja se pitanje da li ove tvrdnje odgovaraju stvarnosti i da li bi brza proizvodnja istraživačkih radova od strane AI sistema bila korisna za nauku.
Iako je veliki deo naučnih informacija javno dostupan putem online repozitorijuma poput arXiv-a i PubMed-a, upotreba generativnih jezičkih modela može dovesti do stvaranja radova koji su slični već postojećim, ali možda nedovoljno inovativni. Važno je napomenuti da kvalitet naučnih otkrića zahteva originalnost i novine, a ne samo reprodukciju već poznatih informacija.
Sakana AI sistem pokušava da reši ovaj izazov na dva načina. Prvo, ocenjuje nove ideje za radove prema sličnosti sa već postojećim istraživanjima, odbacujući one koji su previše derivativni. Drugo, uvodi korak „peer review“ procesa, gde drugi jezički modeli procenjuju kvalitet i originalnost generisanih radova.
Reakcije na rezultate Sakane AI su podeljene, sa nekima koji smatraju da sistem proizvodi „beskonačno naučno smeće“. Pitanje kvaliteta generisanih istraživačkih radova i sposobnost AI sistema da proceni inovativnost i važnost istraživanja ostaju otvorena.
Automatizacija naučnih otkrića u oblastima kao što je računarstvo je lakša u poređenju sa disciplinama koje zahtevaju fizičke eksperimente. Postojeći alati za pretragu kao što su Semantic Scholar, Elicit, Research Rabbit, scite i Consensus koriste veštačku inteligenciju kako bi pomogli naučnicima da efikasnije pretražuju i sintetišu postojeće radove.
Iako Sakana AI tvrdi da ne namerava da zameni ulogu ljudskih naučnika, moguće posledice dominacije veštačke inteligencije u naučnom ekosistemu izazivaju ozbiljna pitanja. Postoji zabrinutost da bi prevelika proizvodnja automatski generisanih radova mogla dovesti do gubitka inovacija i poverenja u naučnu zajednicu.
Naučni proces je temeljen na poverenju, integritetu i originalnosti, a uloga veštačke inteligencije u ovom procesu postavlja ključna pitanja o budućnosti naučnih istraživanja i održivosti naučnih sistema.
