AI И НЕЙРОСЕТИ

Google I/O показал новый взгляд на научный ИИ — рост коллегиальности

На Google I/O обсудили новые стратегии научного ИИ, включая автономные системы и важность традиционных инструментов.

✍️ Редакция iTech News | 04.12.2025 | ⏱ 2 мин | Источник: MIT Technology Review
Google I/O: Новый подход к научному ИИ

На последнем Google I/O CEO Google DeepMind Демис Хассанис заявил, что мы стоим на пороге уникального момента — сингулярности, когда ИИ превзойдёт человеческие возможности. Это заявление прозвучало на фоне обсуждения разработки WeatherNext, системы прогноза погоды, которая помогла предотвратить последствия урагана Мелисса на Ямайке, в том числе возможные человеческие жертвы.

Контекст текущих разработок ИИ

Мы видим два направления в ИИ для науки. Первое — специализированные инструменты, такие как WeatherNext и AlphaFold, которые решают конкретные задачи. Второе — агента на основе больших языковых моделей, которые могут самостоятельно заниматься исследовательской работой без участия человека. Например, Pushmeet Kohli, главный учёный Google Cloud, заявил, что мы движемся к созданию ИИ, который не просто способствует науке, но и начинает проводить исследования.

Традиционные инструменты против автономных систем

Несмотря на успехи специализированных инструментов, автономные системы начинают занимать всё более значимое место в научных исследованиях. Например, три миллиона учёных уже использовали прогнозы структур белков от AlphaFold. Однако Google также активно развивает автономные исследования, выделяя лучших специалистов, таких как Джон Джампер, на проектирование ИИ-кодов, что подтверждает растущий интерес к агентным системам.

В этом контексте стоит отметить, что OpenAI на днях анонсировала модель, которая доказала важную математическую гипотезу — это подчеркивает потенциальные возможности автономных систем в науке.

Практическое значение новых подходов

Для исследователей в России это сигнал: быть готовыми к изменениям в инструментах. Инвестиции в разработки специализированных решений должны быть сбалансированы с механизмами поддержки автономных систем, которые могут ускорить научные исследования. Научные сообщества должны активно следить за тем, как развиваются технологии, чтобы не упустить возможности.

Следующий шаг для Google — понимание, как эффективно использовать агентов для научной работы, при этом не забывая о значении специализированных инструментов, которые уже зарекомендовали себя.

Поделиться: Telegram X LinkedIn