Дайджест ИИ в науке за 2026-06-09

Сегодняшний выпуск посвящен трем разным, но связанным направлениям: математическим открытиям, цифровому моделированию живых клеток и многоагентным системам для исследовательской работы. Вместе они показывают, что ИИ все чаще переходит от вспомогательной роли к более активному участию в науке.

AI cracks 80-year-old mathematics challenge — researchers are astonished

Nature пишет, что одна из рассуждающих систем OpenAI предложила обходной путь для давней гипотезы Пола Эрдёша о задаче единичных расстояний, а результат независимо проверили внешние математики. Если вывод устоит, это станет одним из самых сильных примеров того, что ИИ способен не просто пересказывать известное, а вносить нетривиальный вклад в чистую математику.

Почему это важно: математика долго считалась одной из самых трудных областей для реального творческого вклада со стороны машин. Если такие результаты начнут повторяться, это может изменить представление о том, где проходит граница между инструментом-помощником и системой, которая реально продвигает науку вперед.

Источник: Nature

‘Virtual cells’ aim to turn raw data into predictive models of biology

Этот материал Nature посвящен попыткам построить «виртуальные клетки» — модели, которые объединяют глубокое обучение с большими наборами данных о работе клеток и молекул, чтобы предсказывать их поведение и реакцию на вмешательство. Идея в том, чтобы еще до экспериментов в лаборатории проверять гипотезы в вычислительной среде.

Почему это важно: если такие модели станут достаточно надежными, они смогут сузить круг гипотез перед дорогими и медленными лабораторными проверками. Это особенно ценно для биомедицины, где цена ошибки высока, а ускорение поиска мишеней и способов лечения может дать очень заметный практический эффект.

Источник: Nature

Teams of AI agents boost speed of research

Nature рассказывает о двух новых системах, где несколько ИИ-агентов работают вместе: выдвигают гипотезы, предлагают эксперименты, интерпретируют данные и даже подсказывают направления для разработки лекарств. Это уже не просто один чат-бот для заметок, а попытка собрать цифровую исследовательскую команду из нескольких специализированных ролей.

Почему это важно: если многоагентные схемы действительно выдержат проверку практикой, они могут ускорить ранние этапы научной работы — от постановки вопроса до отбора перспективных экспериментов. Для лабораторий это означает шанс быстрее проходить путь от идеи до осмысленного плана действий.

Источник: Nature

Вывод

Во всех трех историях ИИ выступает уже не только как средство обработки данных, но и как инструмент для выдвижения идей, проверки гипотез и ускорения исследовательского цикла. Пока это еще не замена ученым, но роль ИИ в науке заметно расширяется — и именно это выглядит самым важным сигналом дня.