Uspon AI u znanstvenim otkrićima: Može li AI doista razmišljati izvan okvira?

Umjetna inteligencija (AI) brzo napreduje, a njezine se primjene šire u industrijama kao što su zdravstvo, financije, obrazovanje i zabava. Među najuzbudljivijim područjima za AI je znanstveno istraživanje. Sposobnost umjetne inteligencije da obrađuje goleme podatke, prepozna složene obrasce i daje predviđanja ubrzava tempo kojim se dolazi do znanstvenih otkrića. Ovo postavlja intrigantno pitanje: Može li umjetna inteligencija razmišljati izvan okvira i generirati istinski nove ideje poput ljudskih znanstvenika? Da bismo to istražili, moramo ispitati kako se AI trenutno koristi u znanstvenim otkrićima i može li doista proizvesti originalne misli.

Sve veća uloga umjetne inteligencije u znanstvenim otkrićima

AI je napravio značajan napredak u raznim znanstvenim poljima, uključujući otkrivanje lijekova, genomiku, znanost o materijalima, istraživanje klime i astronomiju. Obrađujući goleme skupove podataka s kojima ljudi ne mogu rukovati, umjetna inteligencija bila je ključna u identificiranju potencijalnih kandidata za lijekove, modeliranju klimatskih promjena, pa čak i predlaganju novih teorija o svemiru.

Na primjer, istraživači s MIT-a koristili su se umjetnom inteligencijom za otkrivanje novog antibiotik u danima, ciljajući na bakterije otporne na postojeće lijekove. U biologiji, DeepMind's AlphaFold riješio problem savijanja proteina, predviđajući 3D strukture proteina vitalne za razvoj lijekova. U znanosti o materijalima, AI modeli poput GNoME predvidio milijune novih kristala koji bi mogli redefinirati tehnologije poput baterija i solarnih ćelija. AI je također pomogla u fizici sugerirajući nove načine modelirati fizikalne pojave te u astronomiji otkrivanjem egzoplaneta i gravitacijskih leća. U znanosti o klimi AI je napredovao klimatska predviđanja i pomogao modelirati ekstremne vremenske prilike.

Može li umjetna inteligencija razmišljati izvan okvira?

Dok je umjetna inteligencija doprinosi da su znanstvena otkrića neporeciva, ostaje pitanje: može li doista razmišljati izvan okvira? Ljudski znanstveni napredak često je oslonio na intuiciji, kreativnosti i hrabrosti da se izazovu postojeće paradigme. Ova otkrića obično dolaze iz znanstvenici spremni razmišljati izvan konvencionalne mudrosti.

AI, međutim, pokreću podaci. Analizira obrasce i predviđa ishode na temelju dostavljenih informacija, ali to ne čini posjedovati maštovito, apstraktno razmišljanje koje ljudi rade. U tom smislu, kreativnost umjetne inteligencije razlikuje se od ljudske kreativnosti. Umjetna inteligencija djeluje unutar ograničenja svojih podataka i algoritama, što ograničava njezinu sposobnost izvođenja istinski kreativnog razmišljanja izvan okvira.

Rečeno je da je situacija više kompleks. AI je pokazao da može generirati nove hipoteze, predlažu inovativna rješenja, pa čak i izazivaju utvrđeno znanje u nekim područjima. Na primjer, modeli strojnog učenja korišteni su za stvaranje novih kemijskih spojeva i dizajn materijala koje ljudi prije nisu razmatrali. U nekim su slučajevima ova otkrića dovela do otkrića koja bi istraživači ljudi teško mogli postići sami.

Argumenti koji podržavaju kreativnost umjetne inteligencije

Zagovornici tvrde da umjetna inteligencija pokazuje kreativnost generiranjem ideja koje nisu odmah očite ljudskim istraživačima. Na primjer, AlphaFold je koristio novu arhitekturu dubokog učenja kako bi riješio izazov savijanja proteina, koji je desetljećima izmicao znanstvenicima. Slično tome, Googleov AI koji pokreće Gemini 2.0 korišten je za stvaranje originalnih hipoteza i istraživačkih prijedloga, omogućujući znanstvenicima da premoste jaz između različitih znanstvenih domena. Studija Sveučilišta u Chicagu sugerira da umjetna inteligencija može generirati "vanzemaljske" hipoteze - inovativne ideje koje ljudima možda ne padaju na pamet, šireći granice znanstvenog istraživanja. Ovi primjeri sugeriraju da umjetna inteligencija ima potencijal razmišljati izvan okvira predlažući nove ideje.

Argumenti protiv kreativnosti umjetne inteligencije

Kritičari tvrde da je AI fundamentalno ograničen jer se oslanja na postojeće znanje i skupove podataka. Njegov rad više je poput popunjavanja praznina u podacima, a ne preispitivanja postojećih pretpostavki. Kreativnost umjetne inteligencije, prema kritičarima, ograničena je podacima na kojima se trenira, što je sprječava da dođe do istinski revolucionarnih otkrića.

Thomas Wolf, poznati stručnjak za umjetnu inteligenciju, tvrdi da istinska inovacija – poput Einsteinovih ideja – zahtijeva postavljanje potpuno novih pitanja i dovođenje u pitanje konvencionalne mudrosti. Veliki jezični modeli (LLM) i drugi sustavi umjetne inteligencije, unatoč opsežnoj obuci, ne pokazuju sposobnost generiranja doista novih uvida. Stoga se na umjetnu inteligenciju više gleda kao na učinkovit alat za učenje, a ne kao na istinskog mislioca sposobnog probiti se kroz utvrđene znanstvene paradigme.

Osim toga, umjetnoj inteligenciji nedostaju ljudske kvalitete intuicije, emocija i slučajnosti koje često pokreću kreativne proboje. AI radi unutar unaprijed definiranih algoritama, oslanjajući se na logične i sustavne procese. Prema Poduzetnik, ovaj algoritamski pristup uvelike se razlikuje od nepredvidive, spontane prirode ljudske kreativnosti. Istraživanje papir iz ScienceDirecta također tvrdi da kreativnost generirana umjetnom inteligencijom može izgledati inovativno, ali ne pruža istu dubinu uvida kao ljudska kreativnost.

Sinteza i implikacije

Iako AI svakako može razmišljati izvan okvira na neki način – posebno kada je u pitanju prepoznavanje obrazaca i predlaganje novih rješenja – razlikuje se od ljudske kreativnosti po tome što se oslanja na analizu temeljenu na podacima, a ne na intuiciju ili životno iskustvo. Ulogu umjetne inteligencije u znanstvenim otkrićima bolje je shvatiti kao partner ljudskim znanstvenicima, a ne zamjena.

Istraživanje s Imperial College Business School pokazuje da umjetna inteligencija nadopunjuje tradicionalne znanstvene metode, pomaže u otkrivanju novih principa i rješavanju pada produktivnosti istraživanja. Slično, Kellogg Istraživači otkrili su da umjetna inteligencija može imati pozitivan učinak u svim znanstvenim područjima, ali naglašavaju da su obuka i interdisciplinarna suradnja ključni za potpuno iskorištavanje potencijala umjetne inteligencije.

Najznačajniji napredak u znanosti vjerojatno će doći kombinacijom ljudske kreativnosti i analitičkih sposobnosti umjetne inteligencije. Zajedno, oni mogu ubrzati otkrića i dovesti do otkrića izvan onoga što trenutno možemo zamisliti.

Bottom Line

AI transformira znanstvena istraživanja ubrzavanjem otkrića i uvođenjem novih načina razmišljanja. Dok je umjetna inteligencija pokazala sposobnost generiranja hipoteza i identificiranja novih obrazaca, nije sasvim sposobna razmišljati izvan okvira na isti način na koji to mogu ljudi. Od 2025., razvoj koji je u tijeku sugerira da će njegov utjecaj na znanost nastaviti rasti. Međutim, ključno je osigurati da umjetna inteligencija podržava ljudske napore, a ne da ih zamjenjuje, uz posebnu pozornost na transparentnost, provjeru valjanosti i etičku integraciju. Radeći uz ljudsku kreativnost, umjetna inteligencija može poboljšati znanstveni napredak i otvoriti nove puteve za istraživanje.