Две новости Nature показывают, где ИИ в науке упирается в проверку: OpenAI говорит о прорыве в задаче Навье — Стокса, а консорциум фармкомпаний обучил белковую модель на закрытых структурах и получил заметный прирост качества.
MIT Technology Review называет изучение ИИ как самостоятельного объекта одним из заметных технологических трендов. Для науки это сдвиг от простого применения моделей к проверке того, как они рассуждают и где ошибаются.
Пять свежих научных работ показывают, куда реально движется ИИ в науке: от проверки биомедицинских утверждений по литературе и агентной патологии до новых математических результатов, жёстких тестов для научных агентов и трезвой оценки того, насколько слабы нынешние системы в полноценной вычислительной биологии.
Шесть свежих работ о том, как ИИ меняет науку на практике: от поиска лекарств против малярии и диагностики через сбор доказательств до биологического дообучения моделей, отбора белковых кандидатов и проектирования физических объектов под жёсткие инженерные ограничения. Во всех случаях главный сдвиг один: важнее не громкость модели, а то, насколько она встроена в реальный научный цикл проверки.
Авторы новой статьи в npj Digital Medicine утверждают, что обычные клинические испытания не успевают за генеративными и постоянно обновляемыми системами ИИ. Вместо разовых проверок они предлагают адаптивные платформенные испытания, где несколько инструментов и их обновлений можно сравнивать по единому протоколу.
Новый выпуск AI Science: три свежие работы о том, как ИИ помогает формализовать сложную математику, проектировать кристаллические структуры и строить приватные медицинские модели прямо на смартфонах.
Сразу пять свежих научных работ показывают, как ИИ всё глубже входит в реальную науку: от новой математики и анализа МРТ до восстановления клинических временных линий, поиска связей между РНК и белками и более дешёвого химического анализа по инфракрасным спектрам. Ниже — что именно сделали исследователи и почему это важно.
Новая подборка по AI в науке: Lean 4 с участием больших языковых моделей помог построить исследовательскую библиотеку по банаховым решеткам, SEE показал слабость мультимодальных моделей в доказательном научном рассуждении, подход к AI для материаловедения требует опоры на физику в поиске материалов, а SecondOpinion экономит вычисления в медицинской визуализации, включая более тяжелую проверку только для сложных случаев.
Новая подборка по AI в науке показывает сразу несколько направлений, где методы машинного интеллекта становятся полезным рабочим инструментом: от формальной математики и материалов для топлива до медицинской визуализации, раннего скрининга болезни Альцгеймера и тренировки клинических помощников. Общая линия простая: ИИ всё чаще пытаются встроить не в демонстрации, а в реальные научные и клинические процессы.
