Революционная ИИ-платформа Microsoft ускоряет научные открытия

Компания Майкрософт представила на конференции Build 2025 новую платформу на основе ИИ, называемую Microsoft Discovery, предназначенную для ускорения научных исследований и открытий. Платформа позволит ученым работать в сотрудничестве со специализированными агентами на основе ИИ, которые будут помогать им на всех этапах научного процесса - от анализа данных и формулирования гипотез до генерации экспериментальных планов, моделирования и анализа результатов.

По словам Майкрософт, использование последних достижений в области искусственного интеллекта и суперкомпьютеров значительно повысит скорость, масштабируемость и точность научных исследований. Это не единичный случай - в 2025 году Гугл уже представил своего "ИИ-соавтора" для помощи ученым, а компании такие как Anthropic, OpenAI, FutureHouse и Lila Sciences также заявляют о потенциале ИИ для ускорения научных открытий, особенно в медицине.

Тем не менее, многие исследователи все еще скептически относятся к использованию современных ИИ-систем в науке, в основном из-за их ненадежности. Создание эффективного "ИИ-ученого" сталкивается с проблемами, связанными с непредсказуемым количеством влияющих факторов. Хотя ИИ может быть полезен для поиска в огромных массивах данных и сужения круга потенциальных решений, его способность к нестандартному мышлению и прорывным открытиям остается под вопросом.

Результаты применения ИИ в науке на сегодняшний день противоречивы. Например, в 2023 году Гугл сообщил о синтезе около 40 новых материалов с помощью своего ИИ GNoME, но независимый анализ показал, что ни один из них не является по-настоящему новым. Аналогично, компании такие как Exscientia и BenevolentAI, использующие ИИ в разработке лекарств, столкнулись с громкими неудачами в ходе клинических испытаний.

Майкрософт надеется, что ее платформа Discovery добьется лучших результатов, чем ее предшественники. Успех Discovery будет в значительной степени зависеть от способности платформы учитывать сложность научного процесса и преодолевать ограничения современных алгоритмов ИИ.