ШІ від Google перевершив людей у створенні наукового софту: що відомо про систему ERA
Дослідницька група Google спільно з науковцями Гарвардського університету розробила систему штучного інтелекту ERA (Empirical Research Assistance). Інструмент здатний автоматично писати та вдосконалювати складне наукове ПЗ, перевершуючи за якістю та точністю програми, створені людьми
Про це пише РБК-Україна, посилаючись на наукове дослідження, опубліковане у Nature.
Що таке система ERA?
У сучасній науці дослідження повністю залежать від спеціального "емпіричного софту" - програм, які створюються під конкретне завдання: наприклад, для прогнозування погоди, розрахунку госпіталізацій чи моделювання структури білків.
Зазвичай вчені витрачають місяці на ручне написання, тестування та постійне виправлення такого коду.
Нова система ERA повністю закриває запити дослідників завдяки автоматизації процесу:
Базова модель: ШІ бере за основу простий вихідний код, створений людиною під конкретну наукову задачу.
Генерація ідей: використовуючи можливості LLM (великої мовної моделі) Google Gemini, система пропонує модифікації алгоритмів, додає нові компоненти та тестує тисячі варіантів коду одночасно.
Дерево пошуку (Tree Search): за аналогією з легендарною ігровою системою AlphaGo, ШІ оцінює кожен варіант за цифровим балом успішності. Алгоритм автоматично відкидає неефективні рішення і розвиває лише ті напрямки коду, які покращують точність розрахунків.
Принцип роботи ERA
Важливою перевагою є те, що ERA працює не ізольовано. Система здатна самостійно шукати потрібні наукові ідеї у підручниках та статтях або приймати підказки від живого дослідника, інтегруючи їх у нові версії програмного забезпечення.
"Це дозволяє знаходити унікальні рішення - "голки у стозі сіна", до перевірки яких у людей ніколи не дійшли б руки", - пояснює професор Гарварду Майкл Бреннер.
Реальні кейси
Щоб довести практичну цінність розробки, автори проєкту протестували ERA у складних наукових дисциплінах, де система показала виняткові результати:
Прогнозування пандемій: ШІ створив 14 моделей для прогнозування госпіталізацій під час COVID-19. Усі вони виявилися точнішими за найкращі математичні системи, які американські Центри з контролю та профілактики захворювань (CDC) використовували під час реальної пандемії.
Дослідження мозку: систему залучили до аналізу активності понад 70 000 нейронів у мозку живої риби даніо-реріо. ШІ самостійно підключив та налаштував складну сторонню бібліотеку нейромоделювання.
"Аспіранту Гарварду знадобилися б місяці лише на вивчення цього софту, тоді як ШІ зібрав робочу модель автоматично за кілька годин", - зазначають науковці.
Генетика: ERA відкрила чотири нові методи інтеграції наборів даних секвенування РНК окремих клітин, обійшовши підходи, розроблені провідними фахівцями-людьми.
Завдяки паралельному запуску процесів завдання, які раніше забирали у наукових лабораторій тижні важкої роботи, тепер виконуються за лічені години.
У Google наголошують, що ERA не замінить вчених, а стане їхнім головним асистентом, "звільнивши людський розум для творчих викликів та визначення фундаментальних векторів розвитку науки".