Гостьове есе Anthropic закликає ШІ повертати спектр наукових моделей

6 листопада 2026 року Anthropic опублікувала гостьове дослідницьке есе, у якому лауреати грантів програми AI for Science Якоб Макке, Даніель Гедон і Штефан Валь стверджують, що агенти на основі великих мовних моделей мають повертати зважені розподіли правдоподібних наукових моделей замість однієї моделі, що найкраще відповідає даним. Автори — дослідники ELLIS Institute Tübingen та Університету Тюбінгена.

Головна відмінність, на якій вони наголошують, полягає в тому, що відтворювати спостереження — не те саме, що розуміти систему. Різні набори параметрів можуть давати однакові результати, а різні структури рівнянь — пояснювати ті самі вимірювання. Тож агент, який повертає одну прийнятну відповідь, приховує альтернативи, що можуть вказувати на інші механізми чи передбачення.

Побудова, обмеження та інтерпретація моделей

В есе наукове моделювання поділено на три повторювані етапи: побудову компонентів моделі та рівнянь, обмеження діапазону параметрів, які можна змінювати, за допомогою вимірювань і тлумачення того, що результат говорить про реальну систему. Як історичний приклад наведено модель нервової клітини Hodgkin і Huxley. Вони обрали член із четвертим степенем, оскільки простіші варіанти гірше відповідали їхнім даним, а Huxley витратив понад три тижні на розв’язання рівнянь за допомогою калькулятора з ручним приводом після того, як у 1951 році вийшов з ладу комп’ютер Кембриджського університету.

Саме історія відкинутих альтернатив тут має значення. Четвертий степінь підтримував гіпотезу про кілька рухомих частин мембранного каналу; якби було невідомо, що нижчі степені не спрацювали, самої лише відповідності числових даних було б недостатньо, щоб обґрунтувати таку інтерпретацію. На цьому прикладі автори формулюють вимогу до ШІ: зберігати все, що виявляє процес моделювання, зокрема невдалі варіанти та невизначеність, яка залишається.

Від розподілів параметрів до розподілів моделей

Байєсівський висновок розв’язує проблему на рівні параметрів, представляючи правдоподібні набори параметрів як імовірнісний розподіл, сформований з урахуванням відповідності даним і попередніх знань. Для механістичних симуляторів традиційні обчислення правдоподібності часто нездійсненні: у огляді 2020 року в PNAS пояснюється, що правдоподібність неявно інтегрує всі можливі шляхи виконання симулятора.

Натомість у методах висновку на основі симуляцій параметри вибирають вибірково, запускають симулятор і навчають нейронний оцінювач на синтетичних результатах. Для методу SNPE потрібні модель, яку можна запускати, попередньо задані обмеження для параметрів і спостережувані дані або зведені характеристики; обчислювати правдоподібність чи мати диференційовний код моделі не потрібно. В одному раунді симульованого експерименту Hodgkin-Huxley було виконано 100 000 симуляцій, щоб оцінити вісім біофізичних параметрів за сімома характеристиками напруги. Додавання характеристик звузило апостеріорний розподіл і показало, які параметри спостереження обмежували сильно, а які — слабко. Після початкового етапу симуляції та навчання отриманий сурогат може ефективно оцінювати нові дані.

В есе цю логіку поширено з параметрів на структури моделей. Агент на основі великої мовної моделі може написати код для симулятора-кандидата, запустити його, обмежити його параметри, порівняти результати зі спостереженнями й переглянути рівняння. Окремі запуски можуть давати різні, але однаково прийнятні структури, тому пропонується повертати зважену сукупність моделей-кандидатів: їхня вага залежить від того, наскільки їх підтверджують дані, надто гнучкі моделі отримують меншу вагу, а перспективніші стають основою для подальших варіацій. Спільні риси моделей, що залишилися, вказують на те, що підтверджують дані, а розбіжності виявляють, де доказів недостатньо і які експерименти можна провести далі.

ModelSMC: пошук серед виконуваних моделей

У ранішій статті 2026 року про ModelSMC Валь і його колеги, зокрема Макке та Гедон, формалізували цей підхід як імовірнісний висновок щодо виконуваних програм симуляторів. Кожна модель-кандидат — це частинка, запропонована або уточнена великою мовною моделлю на основі попередніх реалізацій, відгуків про результати оцінювання та контексту завдання. Ваги, розраховані на основі правдоподібності, і повторна вибірка зосереджують сукупність на перспективних структурах, тоді як під час пошуку параметри маргіналізують, а не зводять до однієї оптимізованої оцінки для кожної структури. У роботі зазначено, що автори отримали кредити API в межах програми Anthropic AI for Science, запущеної 5 травня 2025 року для відібраних дослідників, пов’язаних з установами, з особливою увагою до біології та наук про життя.

В експериментах досліджували синтетичну епідеміологічну динаміку, симулятор регуляції альдостерону в нирках і завдання з виявлення структури Hodgkin-Huxley на основі 10 реальних записів напруги. Автори повідомляють, що моделі з високою вагою в нейронауці неодноразово додавали повільний калієвий струм M-типу, іноді разом з іншим каналом, і що ця група моделей посідала перше місце в дев’яти з 10 запусків. Загальні кількісні результати були зіставними з FunSearch+ і варіантом з однією частинкою за зіставних обчислювальних бюджетів; заявлена перевага полягає в апостеріорному аналізі сімейств моделей, а не в стабільно вищій продуктивності.

Інтерпретація та перевірка

Задокументовані витрати й залежності ModelSMC не менш важливі, ніж результати. Повторні симуляції та оцінювання правдоподібності потребують значних обчислювальних ресурсів, сурогатні функції правдоподібності можуть спричиняти систематичне зміщення, якщо модель задано неправильно, а успіх пошуку залежить від того, чи запропонує велика мовна модель корисні структури. У гостьовому есе додається ширше застереження: такі системи здебільшого перевіряли на здатність повторно відкривати вже відомі моделі, а доказів того, що вони працюють у наукових задачах без відомої відповіді, поки що небагато.

Автори називають інтерпретацію найскладнішим етапом для делегування, адже відповідність моделі даним можна виміряти, тоді як для поглиблення розуміння немає настільки ж чіткого критерію. Згода між моделями, підігнаними після збурення системи, посилює прогноз, тоді як розбіжності виявляють невирішені механізми й можуть підказати, який експеримент провести наступним. Ця вимога стає важливішою, якщо ШІ послабить традиційний тиск, що спонукав створювати компактні моделі, зрозумілі людям, адже зі збільшенням моделей зростає потреба чітко описувати невизначеність і стисло підсумовувати механізми.

Отже, стандарт, який встановлюють автори, передбачає більше, ніж просто відповідність моделі даним: система ШІ має документувати докази, на яких ґрунтується її відповідь, зокрема вимірювання, що дають змогу визначити кожен компонент, кандидатні моделі, які не пройшли перевірку, невизначеність, що залишилася, і запитання, які виникли під час пошуку. З огляду на обмежену базу перевірок вирішальне питання полягає в тому, чи допоможе збереження розподілів моделей разом з історією відхилених альтернатив досягти розуміння у справді відкритих наукових задачах.