Un experiment realizat de fizicianul Matthew Schwartz, profesor la Harvard, oferă o imagine interesantă asupra modului în care inteligența artificială ar putea schimba cercetarea științifică. Folosind Claude ca instrument de lucru, cercetătorul a reușit să accelereze masiv anumite calcule și să abordeze probleme din domenii foarte diferite. Experiența sa scoate însă în evidență o limită importantă: AI poate ajunge foarte repede la un rezultat corect din punct de vedere tehnic, fără să știe neapărat dacă acel rezultat este și important din punct de vedere științific.

Dezbaterea privind inteligența artificială se concentrează adesea asupra unei întrebări: va putea AI să înlocuiască oamenii?

Experimentele din cercetarea științifică sugerează însă că o întrebare mai relevantă ar putea fi alta: cum ar trebui împărțită munca între oameni și inteligența artificială?

Un caz interesant este cel al fizicianului Matthew Schwartz de la Harvard, prezentat într-un material publicat de GenAI Works. Cercetătorul a experimentat utilizarea modelului Claude, dezvoltat de Anthropic, pentru rezolvarea unor probleme matematice și științifice complexe.

Rezultatul nu arată neapărat o lume în care AI îl înlocuiește pe cercetător. Mai degrabă, conturează o posibilă diviziune a muncii: inteligența artificială execută rapid calculele și explorează un număr foarte mare de posibilități, în timp ce cercetătorul uman stabilește ce probleme merită rezolvate și ce semnificație au rezultatele.

De la „student foarte bun” la un alt mod de a folosi AI

Schwartz experimentase anterior folosirea Claude ca asistent de cercetare. El a comparat experiența cu lucrul alături de un student foarte bun care poate lucra cu o viteză extraordinară.

Problema era însă controlul calității.

Chiar dacă AI putea genera rapid rezultate, cercetătorul trebuia să verifice și să corecteze constant ceea ce producea sistemul. A devenit astfel evident că simpla solicitare adresată unui model AI de a „face cercetare” nu reprezenta neapărat cea mai eficientă metodă de utilizare a tehnologiei.

Schwartz a schimbat abordarea.

În loc să încerce să transforme Claude într-un cercetător autonom, a început să caute probleme care se potrivesc capacităților actuale ale inteligenței artificiale.

Din această abordare s-a dezvoltat BootLoops, un instrument open-source destinat calculelor exacte în științele cantitative.

Un calcul de câteva săptămâni, reprodus în aproximativ 20 de minute

Unul dintre primele teste a constat în transformarea unor lucrări științifice realizate anterior de Schwartz în cod.

Potrivit relatării sale, Claude a reprodus în aproximativ 20 de minute un proces care îi luase anterior cercetătorului săptămâni.

Mai mult, AI a identificat faptul că metoda utilizată inițial nu era cea mai eficientă și a indicat existența unui algoritm mai bun.

Acesta este unul dintre avantajele potențiale ale modelelor lingvistice avansate: au fost instruite pe informații provenite din numeroase domenii și pot identifica uneori conexiuni pe care un specialist foarte concentrat asupra propriei discipline nu le observă imediat.

În cazul lui Schwartz, sistemul a observat că anumite tipuri de integrale matematice apăreau în domenii aparent foarte diferite, printre care ecologia, genetica populațiilor și cosmologia.

Experimentul s-a extins rapid.

În aproximativ trei luni, activitatea ar fi ajuns la 36 de manuscrise din 18 domenii, realizate împreună cu 19 coautori, potrivit informațiilor prezentate de GenAI Works.

AI rezolvă o problemă veche de două decenii. Reacția expertului: nu este suficient

Unul dintre cele mai interesante exemple vine din ecologie.

Claude ar fi reușit să rezolve la scară o ecuație care reprezenta o problemă de aproximativ 20 de ani și să producă un rezultat potrivit căruia schimbarea speciilor de arbori se producea de aproximativ 4,5 ori mai rapid decât permitea teoria de referință analizată.

Din perspectiva performanței matematice, rezultatul părea spectaculos.

Dar atunci când Schwartz l-a prezentat unui specialist în biologia plantelor, reacția a fost mult mai rezervată.

Motivul este esențial pentru înțelegerea limitelor actuale ale AI: specialiștii din domeniu cunoșteau deja, cel puțin calitativ, existența fenomenului.

AI rezolvase problema matematică, dar nu identificase neapărat cea mai interesantă problemă științifică.

Expertul a propus o altă direcție: eliminarea predicției neutre și studierea diferențelor rămase.

Tocmai acolo putea exista informația biologică relevantă.

Această schimbare de perspectivă a condus ulterior la construirea unui model considerat mai semnificativ din punct de vedere științific.

Același fenomen apare în genetica populațiilor

Un scenariu asemănător s-a repetat în genetica populațiilor.

Claude a rezolvat o integrală asupra căreia cercetătorii lucrau de aproximativ trei decenii.

Din nou, performanța tehnică era impresionantă.

Dar specialistul din domeniu a identificat o întrebare mai interesantă decât problema matematică inițială.

Reorientarea cercetării a dus la identificarea unor indicii privind conversia genică într-un set de 5,7 miliarde de perechi de mutații, conform relatării publicate de GenAI Works.

Se conturează astfel același model:

AI găsește rapid un răspuns tehnic. Expertul uman stabilește de ce acel răspuns contează — sau dacă problema corectă era, de fapt, alta.

Noua diviziune a muncii dintre om și AI

Experiența lui Schwartz sugerează o posibilă formulă pentru cercetarea asistată de inteligență artificială.

AI poate deveni foarte performant la activități precum procesarea unor volume mari de informații, generarea și verificarea codului, rezolvarea unor calcule repetitive, explorarea rapidă a mai multor ipoteze sau identificarea unor asemănări matematice între domenii diferite.

Omul păstrează însă un rol dificil de automatizat: alegerea întrebărilor relevante.

Un cercetător cu experiență cunoaște literatura domeniului, știe ce rezultate sunt deja cunoscute intuitiv, poate identifica o anomalie cu adevărat interesantă și, mai ales, poate decide ce merită investigat în continuare.

Diferența este fundamentală.

A rezolva o ecuație dificilă nu înseamnă automat a face o descoperire științifică importantă.

AI poate democratiza puterea de calcul intelectual

Există însă și o altă implicație importantă.

Dacă instrumentele AI pot reproduce în minute calcule care necesitau anterior zile sau săptămâni, costul explorării unei idei științifice scade dramatic.

Cercetătorii pot testa mai multe ipoteze înainte de a investi luni de muncă într-o singură direcție.

Un biolog ar putea utiliza metode matematice dezvoltate inițial în fizică. Un economist ar putea descoperi modele folosite în epidemiologie. Un cercetător din genetică ar putea adapta instrumente matematice provenite din cosmologie.

În această perspectivă, una dintre cele mai importante capacități ale AI nu este neapărat faptul că „știe mai mult” decât specialistul, ci că poate traversa foarte rapid granițele dintre discipline.

De la „AI versus oameni” la „AI plus oameni”

Experimentul lui Schwartz pune sub semnul întrebării una dintre cele mai populare reprezentări ale inteligenței artificiale: competiția directă dintre om și mașină.

În cercetarea științifică, cel puțin pentru moment, relația pare mai complexă.

AI poate deveni extraordinar de rapid la calcul, programare și explorarea spațiului soluțiilor. Specialistul uman contribuie cu experiență, context și capacitatea de a determina ce întrebare este cu adevărat relevantă.

Paradoxal, cu cât AI devine mai bun la găsirea răspunsurilor, cu atât capacitatea oamenilor de a formula întrebările potrivite poate deveni mai valoroasă.

Într-o lume în care milioane de calcule pot fi efectuate aproape instantaneu, resursa rară nu mai este neapărat puterea de calcul.

Poate deveni judecata umană.

Iar acesta ar putea fi unul dintre cele mai importante efecte ale inteligenței artificiale asupra muncii intelectuale: nu eliminarea expertului, ci schimbarea rolului său — de la persoana care execută fiecare etapă a procesului la cea care stabilește direcția, verifică rezultatele și decide care dintre răspunsurile generate de AI merită, de fapt, atenția noastră.