А откуда берётся процесс преобразования текст -> верифицированное доказательство, когда процесс обратный?
гипотеза -> проверка -> доказательство -> превращение в статью?
Компьютер сначала проверяет, а потом генерирует текст. Человек проверяет тем же методом, что и для обычных статей - через рецензирование.

Ты текст по ссылке смог вообще прочитать и понять?

>что он не решает проблемы которые есть у человеческих исследователей

Он решает научные проблемы, т.е. поиск новых знаний, и делает это теми же способами, что и люди - только человек может работать ограниченное число часов в сутки, а машинное время ограничено лишь доступными мощностями, если мы говорим о чисто вычислительных задачах.

Если требуются практические эксперименты, то, конечно, добавлятся внешние ограничения, ИИ превосходит человек лишь в скорости и точности обработки информации.

Недавно добрый люди прислал мне линк на свежую статью из Cell (1)). Там биофизики рассказали, как при помощи машинного обучения проанализировали десятки тысяч микробных геномов открытой базы данных. Собственно, это база Центра исследований микробиома в Технологическим университете в Квинсланде (Австралия). Ну и состав этого центра и множество авторов статьи в Cell сильно пересекаются, разумеется (но база и правда открытая, можете воспользоваться (2)). Так вот! Их алгоритм нашел более 800 тысяч фрагментов ДНК (ДНК участников микробиома, разумеется), которые кодируют потенциальные антимикробные соединения. Как они утверждают, 90% из этих фрагментов не были описаны прежде. И вот что важно: три из 100 соединений, синтезированных исследователями, действительно вылечили лабораторных мышей. Если экстраполировать эти процента удачи на остальную массу фрагментов, то у нас только тут что-то около 25 тысяч потенциально работающих антимикробных фрагментов.

Они вообще у себя вот что пишут: Machine learning predicts nearly 1 million new antibiotics in the global microbiome. И это, кажется, еще довольно пессимистичная оценка. И напомню, что сейчас известно всего несколько тысяч разнообразных натуральных и синтетических веществ, применяемых в качестве антибиотиков (все они объединены в 16 крупных классов).
Ну короче. Ураган вариантов.

Правда, непонятно, откуда мы возьмем столько ученых, чтобы проверять эти варианты, но вот в статье в журнале
Science (3) в мае пишут, значить, что уже начали создавать в ассортименте роботизированные лаборатории, чтобы на потоке проверять то, что нагенерили нейросети. Посадил вот так рядышком две нейросети, одна базу с ДНК ковыряет, другая полученные результаты в пробирке растит и проверяет. А человек только сбоку подходит и в окошечке забирает охапкой новые антибиотики, красота.

Если вы думаете, что в предыдущем абзаце я иронизирую, то нет - вот тут (4) пишут, что препараты, открытые ИИ, показывают 80-90% успешности на первой фазе испытаний, по сравнению с обычными 40-60%. Вот это да.
https://t.me/chrdk/1770

Конкретно здесь не БЯМ и пока требуется человеческое участие, но идея такая же.

(Reply to this) (Parent) (Thread)

OK, понял, я просто изначально о другом немного думал - об открытии новых математических фактов. Для обработки данных этот подход думаю рабочий.

(Reply to this) (Parent) (Thread)

Я думаю, в математике должно работать аналогично. Что такое математические факты? Научные открытия это поиск неизвестных существующих закономерностей. ИИ должен с этим справляться лучше человека. Рамануджан доставал какие-то коэффициенты из головы, чисто на интуции, ИИ может делать тоже самое, но с объяснением как они получились.

(Reply to this) (Parent)