В научной подборке недели — модели, которые учатся искать доказательства, классифицировать неупорядоченные белки, раньше оценивать ответ опухоли на лечение и ускорять поиск материалов. Общая тема: AI всё чаще встраивают в сам процесс исследования, а не используют только как предсказатель.
Четыре свежие работы с arXiv показывают, как AI постепенно входит в сам научный процесс: извлекает модели из статей, структурирует медицинские случаи, проверяет междисциплинарные выводы и учит агентов работать с научным кодом.
В свежих обсуждениях Hacker News заметны четыре линии: рабочие наборы для учёных, научные тесты для моделей, рост инструментальных агентов и запрос на полностью открытые модели для суверенной инфраструктуры.
Новый материал Nature утверждает, что AI всё заметнее входит не только в прикладные лабораторные задачи, но и в самые теоретические дисциплины — математику и теоретическую физику. Речь не о замене человеческой интуиции, а о новом способе исследовать гипотезы, сужать пространство поиска и точнее формулировать вопросы, с которых начинается настоящее открытие.
Свежая подборка из arXiv показывает сразу два сильных направления: медицинские работы всё жёстче проверяют реальные ошибки AI-систем в клинических заметках и оценке заметок, а исследовательские команды параллельно строят новые стенды и тесты для проверки того, умеют ли AI-агенты действительно заниматься наукой, а не просто угадывать ответы.
Команда Nature Medicine предложила SIM-VAIL — воспроизводимый клинический аудит для проверки психиатрических рисков у потребительских чат-ботов. Самый тревожный вывод не в грубых ошибках, а в том, что даже внешне поддерживающие ответы могут подталкивать человека глубже в его уязвимость. Это превращает разговор о безопасности AI в измеримую процедуру, а не в набор общих опасений.
В AI-науке сегодня сразу несколько сильных работ: медицинская система AMIE приблизилась к уровню врачей в видеоконсультациях, клинические модели показали опасную самоуверенность при нехватке данных, а материалы и математика получили новые примеры того, как AI помогает искать структуры, свойства и даже проверяемые доказательства.
Сегодняшняя научная подборка про AI получилась особенно показательной: одна работа пытается перенести логику языковых моделей в молекулярный дизайн лекарств, другая показывает AI как соавтора математического доказательства, а третья строит более проверяемый и воспроизводимый контур для AI-исследователя в материаловедении.
Шесть свежих работ по AI в науке показывают общий сдвиг от красивых обещаний к более жёсткой проверке: где модели действительно ускоряют биологию и белковый дизайн, а где они пока заметно слабы — например, в строгой математической верификации и в реальном планировании химического синтеза. Это полезная подборка именно потому, что в ней есть не только прорывы, но и трезвые ограничения.
