На пороге 2024 года концепция «взрыва интеллекта» перестает быть сугубо теоретической выкладкой из футурологических эссе. В новом видео технологический обозреватель Уэс Рот (Wes Roth) анализирует прорывную работу лаборатории Sakana AI — систему The AI Scientist, способную автономно проходить весь цикл научного исследования: от генерации гипотезы до написания готовой статьи и её рецензирования.
🚀 The AI Scientist: Первая полноцикловая система научного поиска 0:26
Уэс Рот начинает обзор с напоминания о резонансной работе Леопольда Ашенбреннера (бывшего исследователя безопасности в OpenAI) под названием Situational Awareness. Ашенбреннер утверждал, что для радикального изменения мира искусственному интеллекту не нужно уметь всё — достаточно автоматизировать одну-единственную область: AI-исследования . Если машина научится улучшать саму себя, прогресс станет экспоненциальным.
Компания Sakana AI в сотрудничестве с лабораторией Фостера (Foerster Lab) при Оксфордском университете и учеными из Университета Британской Колумбии представила проект The AI Scientist. Это первая комплексная система для полностью автоматического научного открытия . В отличие от существующих инструментов, которые служат лишь помощниками в написании кода или поиске литературы, эта система работает независимо.
Основные возможности The AI Scientist:
- Генерация инновационных идей и проверка их на новизну через поиск в базах данных .
- Написание кода для экспериментов с использованием AI-кодера Aider.
- Выполнение вычислений, сбор числовых данных и их визуализация .
- Оформление полного научного манускрипта в формате LaTeX с графиками и списком литературы.
- Проведение автоматического рецензирования (Peer Review) для доработки результатов .
💰 Научный прогресс за $15: Экономика автоматических открытий 2:54
Одним из самых поразительных аспектов новой системы Уэс Рот называет её стоимость. Разработка полноценной научной статьи силами AI обходится примерно в 15 долларов США за один документ . При этом система работает круглосуточно, не устает и не теряет креативности в процессе генерации идей.
Для работы The AI Scientist использовались различные языковые модели:
- Проприетарные: GPT-4o и Claude 3.5 Sonnet показали наиболее качественные результаты .
- Открытые (Open Source): Исследователи также тестировали DeepSeek и Llama 3.
Рот подчеркивает, что по мере совершенствования открытых моделей стоимость исследований может упасть практически до нуля . По прогнозу Сакэна AI (Sakana AI), в будущем станет возможным создание «замкнутого цикла» (closed loop) самосовершенствующихся систем, работающих исключительно на открытых мощностях. Это обеспечит беспрецедентную прозрачность и доступность науки.
📝 Качество работ и «человеческий фактор» 4:51
В видео демонстрируются примеры реальных работ, созданных системой, таких как исследования в области диффузионного моделирования и адаптивных скоростей обучения для трансформеров через Q-learning . Уэс Рот отмечает, что визуально и структурно эти работы неотличимы от человеческих: в них есть абстракты, корректные ссылки и графики .
Тем не менее, авторы системы честно указывают на текущие ограничения:
- Уровень компетенции: На данный момент AI оценивается как «начинающий исследователь» (early stage researcher). Он может грамотно провести эксперимент, но ему пока не хватает глубоких фоновых знаний для интерпретации того, почему алгоритм сработал .
- Инновационность: Остается открытым вопрос, способен ли ИИ предложить идеи уровня «смены парадигмы», такие как архитектура Transformer, изобретенная в Google в 2017 году .
- Рецензирование: Система включает в себя агента-рецензента на базе GPT-4o, который оценивает работы по стандартным критериям, выставляя баллы за сильные и слабые стороны .
По мнению исследователей, роль ученых-людей не исчезнет, а переместится «выше по пищевой цепи» — к постановке более сложных задач и стратегическому управлению .
📈 Путь к суперсекретности и ускорению времени 10:42
Уэс Рот возвращается к тезисам Ашенбреннера о «миллионах копий Алека Рэдфорда» (одного из самых продуктивных инженеров OpenAI) . Если запустить миллионы таких автоматизированных исследователей в режиме 24/7, десятилетие алгоритмического прогресса может быть сжато в один год .
Прогноз развития выглядит следующим образом:
- 2018–2024: Переход от уровня дошкольника к уровню одаренного старшеклассника .
- Точка перегиба: Момент, когда AI становится способен оптимизировать собственные алгоритмы и архитектуру чипов (над чем уже работает NVIDIA) .
- Переход к сверхинтеллекту: Рот утверждает, что если самообучение начнется, путь от AGI (общего ИИ) до супер интеллекта может занять менее года .
Автор заключает: если AI уже сейчас способен двигать науку вперед без надзора человека, мы находимся в шаге от создания полноценного AGI. Клонирование таких систем позволит накопить тысячелетия опыта в машинном обучении за считанные недели .
