Пока одни учёные мужи спорят о постижении истории, другие выводят закономерности процессов, протекающих в современных социумах. От количественных методов ещё можно попытаться отмахнуться, хотя это с каждым годом всё труднее, но теперь для классических гуманитариев могут наступить совсем тяжёлые времена.
Немного фактов.
1️⃣ Ещё в 2022 году ученые из DeepMind предсказали трёхмерную структуру всех имеющихся белков. В результате фармацевтические компании смогли увеличить темпы разработки новых лекарств. Сейчас нейросеть помогает им создавать антибиотики, к которым у бактерий нет резистентности.
2️⃣ Исследователи из Университета Эмори в Атланте сделали обучили ИИ самостоятельно открывать законы физики. И у них получилось — нейросеть обнаружила ранее неизвестные силы в загадочном состоянии материи.
3️⃣ Инженеры из Технологического института Нью-Джерси (NJIT) применили искусственный интеллект, чтобы ускорить поиск новых материалов для многовалентных ионных батарей — перспективной альтернативы литий-ионным. Нейорсеть перебрала миллионы комбинаций и открыла пять новых пористых оксидных структур переходных металлов, которые могут изменить рынок хранения энергии.
4️⃣ Исследователи из Университета Цинхуа, Пекинского университета и других институтов Китая разработали систему ИИ, которая может автоматически создавать символические физические представления на основе необработанных данных. Для тех, кто не в теме, символические физические представления — это формальные законы физики. Пока модель работает в области космической физики, но ограничиться только этим китайцы не планируют.
5️⃣ На протяжении 40 лет тысячи лучших физиков мира доводили до совершенства гравитационно-волновой детектор LIGO. Когда они попросили ИИ найти способ улучшить их детище, тот предложил асимметричную и неинтуитивную конструкцию, которую любой эксперт счёл бы абсурдной. Но симуляции показали: эта странная схема работает, потенциально делая самый точный прибор на планете на 10-15 % чувствительнее.
6️⃣ И напоследок — ИИ за 48 часов решил ключевую проблему, связанную с невосприимчивостью некоторых супербактерий к антибиотикам, на решение которой профессор Хосе Р. Пенадес и его команда из Имперского колледжа Лондона потратили примерно 10 лет. Помимо подтверждения основной гипотезы, ИИ выдал ещё четыре рабочих варианта, над одним из которых учёные даже не задумывались.
Возникает закономерный вопрос — как быстро учёные догадаются взять любую из уже имеющихся баз данных по историческим источникам, археологическим материалам или геоданным и прогнать их через ИИ просто, чтобы посмотреть, что тот выдаст? А он непременно выдаст результат. В конце концов, буквально в том году назад ИИ помог прочитать рукописи, сгоревшие при извержении Везувия и не подлежавшие восстановлению.
То, как ИИ помогает археологам анализировать изображения и делать прогнозы, тоже давно не секрет. Поэтому предполагать, что он не найдёт в массивах данных, даже если они будут необработанными (так даже интереснее — без интерпретаций), каких-либо закономерностей — верх наивности, на мой взгляд. Непременно найдёт, и не только то, о чём и так подозревали.
Будучи сторонником новых подходов к изучению социальной эволюции, я временами встречаю непонимание как блогеров, так и профессиональных историков — мол, зачем это, мы таким образом упускаем многообразие и неповторимость происходившего. Что ж, грядут иные времена, ИИ может обрабатывать гораздо большие массивы исторических данных, нежели человеческий мозг, и, скорее рано, чем поздно, у кого-нибудь дойдут руки и до этого. И если гуманитарии захотят поучаствовать, им придётся превращаться в технарей.
Одним словом, грядёт переворот в науке.
P.S. За наводку на идеи спасибо каналу Evening Prophet — загляните.
Источники:
📖 Early science acceleration experiments with GPT-5.
📖 New AI framework can uncover space physics equations in raw data.
📖 Как ИИ трансформирует фундаментальную и прикладную науку.
#моё@cliomechanics
#Размышлизмы@cliomechanics
#cm_технологии
#cm_эволюция
⚙️ Механика истории — подписаться
Немного фактов.
1️⃣ Ещё в 2022 году ученые из DeepMind предсказали трёхмерную структуру всех имеющихся белков. В результате фармацевтические компании смогли увеличить темпы разработки новых лекарств. Сейчас нейросеть помогает им создавать антибиотики, к которым у бактерий нет резистентности.
2️⃣ Исследователи из Университета Эмори в Атланте сделали обучили ИИ самостоятельно открывать законы физики. И у них получилось — нейросеть обнаружила ранее неизвестные силы в загадочном состоянии материи.
3️⃣ Инженеры из Технологического института Нью-Джерси (NJIT) применили искусственный интеллект, чтобы ускорить поиск новых материалов для многовалентных ионных батарей — перспективной альтернативы литий-ионным. Нейорсеть перебрала миллионы комбинаций и открыла пять новых пористых оксидных структур переходных металлов, которые могут изменить рынок хранения энергии.
4️⃣ Исследователи из Университета Цинхуа, Пекинского университета и других институтов Китая разработали систему ИИ, которая может автоматически создавать символические физические представления на основе необработанных данных. Для тех, кто не в теме, символические физические представления — это формальные законы физики. Пока модель работает в области космической физики, но ограничиться только этим китайцы не планируют.
5️⃣ На протяжении 40 лет тысячи лучших физиков мира доводили до совершенства гравитационно-волновой детектор LIGO. Когда они попросили ИИ найти способ улучшить их детище, тот предложил асимметричную и неинтуитивную конструкцию, которую любой эксперт счёл бы абсурдной. Но симуляции показали: эта странная схема работает, потенциально делая самый точный прибор на планете на 10-15 % чувствительнее.
6️⃣ И напоследок — ИИ за 48 часов решил ключевую проблему, связанную с невосприимчивостью некоторых супербактерий к антибиотикам, на решение которой профессор Хосе Р. Пенадес и его команда из Имперского колледжа Лондона потратили примерно 10 лет. Помимо подтверждения основной гипотезы, ИИ выдал ещё четыре рабочих варианта, над одним из которых учёные даже не задумывались.
Возникает закономерный вопрос — как быстро учёные догадаются взять любую из уже имеющихся баз данных по историческим источникам, археологическим материалам или геоданным и прогнать их через ИИ просто, чтобы посмотреть, что тот выдаст? А он непременно выдаст результат. В конце концов, буквально в том году назад ИИ помог прочитать рукописи, сгоревшие при извержении Везувия и не подлежавшие восстановлению.
То, как ИИ помогает археологам анализировать изображения и делать прогнозы, тоже давно не секрет. Поэтому предполагать, что он не найдёт в массивах данных, даже если они будут необработанными (так даже интереснее — без интерпретаций), каких-либо закономерностей — верх наивности, на мой взгляд. Непременно найдёт, и не только то, о чём и так подозревали.
Будучи сторонником новых подходов к изучению социальной эволюции, я временами встречаю непонимание как блогеров, так и профессиональных историков — мол, зачем это, мы таким образом упускаем многообразие и неповторимость происходившего. Что ж, грядут иные времена, ИИ может обрабатывать гораздо большие массивы исторических данных, нежели человеческий мозг, и, скорее рано, чем поздно, у кого-нибудь дойдут руки и до этого. И если гуманитарии захотят поучаствовать, им придётся превращаться в технарей.
Одним словом, грядёт переворот в науке.
P.S. За наводку на идеи спасибо каналу Evening Prophet — загляните.
Источники:
📖 Early science acceleration experiments with GPT-5.
📖 New AI framework can uncover space physics equations in raw data.
📖 Как ИИ трансформирует фундаментальную и прикладную науку.
#моё@cliomechanics
#Размышлизмы@cliomechanics
#cm_технологии
#cm_эволюция
⚙️ Механика истории — подписаться