Sztuczna inteligencja dawno przestała być jedynie narzędziem do automatyzacji rutyny czy generowania tekstów. Dziś aktywnie wdraża się ją do fundamentalnych badań naukowych: od tworzenia struktur białkowych w celu opracowania nowych leków po przewidywanie anomalii klimatycznych. Technologie uczenia maszynowego już zmusiły społeczność naukową do przemyślenia szeregu na pierwszy rzut oka niepodważalnych prawd.
Oto pięć kluczowych stereotypów naukowych, które zostały obalone lub istotnie skorygowane dzięki zastosowaniu SI.
1. Widzenie komputerowe: nie tylko domena istot żywych
Przez długi czas w społeczności naukowej panowało przekonanie, że zdolność nie tylko do „widzenia”, ale i rozpoznawania obrazów jest dostępna wyłącznie organizmom żywym. Sytuacja zmieniła się w 2012 roku, kiedy na konferencji NeurIPS zaprezentowano sieć neuronową AlexNet. Wytrenowana na 1,3 miliona zdjęć o wysokiej rozdzielczości z bazy danych ImageNet, dokonała przełomu w dziedzinie widzenia komputerowego, udowadniając, że maszyny potrafią klasyfikować dane wizualne z wysoką precyzją. Praca ta położyła fundament pod współczesne technologie, takie jak odblokowywanie smartfonów za pomocą rozpoznawania twarzy, i pokazała, że percepcja wzrokowa nie jest unikalną funkcją biologiczną.
2. Logika i matematyka: SI na poziomie mistrza olimpijskiego
Skomplikowane wnioskowanie logiczne i dowodzenie twierdzeń tradycyjnie uważano za test wyjątkowych ludzkich zdolności, swoisty „filtr” w poszukiwaniu młodych talentów matematycznych. Jednak w styczniu 2024 roku zespół badaczy Google zaprezentował system AlphaGeometry, który rozwiązał 25 z 30 złożonych zadań geometrycznych w standardowym czasie olimpijskim. Dla porównania: poprzednie algorytmy radziły sobie tylko z 10 zadaniami, a średni wynik złotego medalisty międzynarodowej olimpiady matematycznej wśród ludzi wynosi 25,9 punktu. To osiągnięcie, opublikowane w autorytatywnym czasopiśmie Nature, dowiodło, że SI jest zdolna do głębokich rozumowań logicznych.
3. Botanika: klimat nie zawsze determinuje wielkość liści
W biologii istniała ugruntowana zasada, według której rośliny w wilgotnym klimacie (na przykład w dżungli) mają większe liście niż te same gatunki w regionach suchych. Jednak badanie australijskich naukowców, przeprowadzone za pomocą widzenia komputerowego, obaliło tę akcyzę na poziomie gatunków. Analizując tysiące zeskanowanych okazów z National Herbarium of New South Wales, specjaliści odkryli, że u klonu jawora wielkość liści zależy w większym stopniu od wymiany genetycznej z innymi populacjami niż od temperatury czy ilości opadów. To odkrycie zmienia podejście do ochrony rzadkich gatunków roślin w warunkach globalnej zmiany klimatu.
4. Biologia ewolucyjna: po wymieraniu nie zawsze następuje rozkwit
Powszechnie uważa się, że po masowych wymieraniach (jak w przypadku dinozaurów) zwolnione nisze ekologiczne są szybko wypełniane przez nowe gatunki, co nieuchronnie prowadzi do boomu biologicznego. W 2020 roku brytyjscy i amerykańscy badacze zastosowali uczenie maszynowe do analizy ponad 1 miliona opisów skamieniałości, obejmujących 170 tysięcy gatunków. Wyniki wykazały brak bezpośredniego związku przyczynowo-skutkowego między masowym wymieraniem a późniejszym eksplozijnym wzrostem bioróżnorodności, co wymagało poważnego ponownego przemyślenia jednej z kluczowych teorii ewolucyjnych.
5. Kryminalistyka: odciski palców jednej osoby mogą być podobne
Przekonanie o absolutnej unikalności odcisków palców każdej osoby (a nawet różnych palców na rękach tej samej osoby) leży u podstaw współczesnej biomtryki i kryminalistyki. Jednak w styczniu 2024 roku naukowcy z Uniwersytetu Columbia podważyli to twierdzenie. Trenując model SI na 60 tysiącach rzeczywistych i 500 tysiącach syntetycznych odcisków, odkryli, że odciski różnych palców tej samej osoby mają znaczące podobieństwo. W przeciwieństwie do kryminalistyków, zwracających uwagę na rozwidlenia linii, sieć neuronowa wykryła nowe, wcześniej nie uwzględniane markery: krzywiznę i nachylenie wirów. To odkrycie może zwiększyć dokładność ekspertyz sądowych o prawie dwa rzędy wielkości i uprościć uwierzytelnianie biometryczne w przyszłych gadżetach.
Wnioski: Przyszłość poszukiwań naukowych
Sztuczna inteligencja nie zastępuje naukowca, ale staje się jego najpotężniejszym sojusznikiem. Jest w stanie przetwarzać masy danych, które są nieosiągalne dla ludzkiej percepcji, i formułować nietrywialne hipotezy dotyczące reakcji komórek czy skuteczności szczepionek. Chociaż współczesne modele nadal podlegają uprzedzeniom zawartym w zbiorach treningowych, trajektoria rozwoju technologii wskazuje, że w najbliższych dekadach najważniejsze odkrycia naukowe będą dokonywane w tandemie człowieka i sztucznej inteligencji.
