ИИ не может заменить учёных — философ объясняет, почему исследование остаётся уникально человеческим делом

Следуя общему тренду на внедрение искусственного интеллекта практически во все сферы, исследователи и политики всё чаще используют ИИ-модели, обученные на научных данных, для поиска ответов на научные вопросы. Но может ли ИИ в конечном счёте заменить учёных? Администрация Трампа подписала 24 ноября 2025 года указ о миссии Genesis — инициативе по созданию и обучению серии ИИ-агентов на федеральных научных наборах данных для «проверки новых гипотез, автоматизации исследовательских процессов и ускорения научных прорывов». Пока достижения этих так называемых AI-учёных неоднозначны. С одной стороны, ИИ обрабатывает огромные массивы данных и находит тонкие корреляции, незаметные человеку. С другой — отсутствие здравого смысла приводит к нереалистичным или нерелевантным экспериментальным рекомендациям.

Хотя ИИ может помогать в отдельных задачах научного процесса, он всё ещё далёк от полной автоматизации науки — и, возможно, никогда её не достигнет. Как философ, изучающий историю и концептуальные основы науки, я вижу несколько проблем в самой идее, что ИИ-системы могут «делать науку» без участия человека или лучше него.

ИИ-модели не учатся непосредственно из реального мира — им приходится «рассказывать», как устроен мир, их создателям-людям. Без учёных, которые контролируют построение цифрового «мира», в котором действует модель (то есть наборов данных для обучения и тестирования её алгоритмов), прорывы, которые облегчает ИИ, были бы невозможны. Возьмём модель AlphaFold. Её разработчики получили Нобелевскую премию по химии 2024 года за способность модели предсказывать структуру белков в человеческих клетках. Поскольку многие биологические функции зависят от белков, возможность быстро генерировать их структуры для тестирования через симуляции может ускорить разработку лекарств и другие исследования. Но, как бы практична эта система ни была, сама по себе AlphaFold не даёт нового знания о белках, болезнях или более эффективных лекарствах. Она лишь позволяет анализировать существующую информацию эффективнее.

Как выразилась философ Эмили Салливан, чтобы быть успешными в качестве научных инструментов, ИИ-модели должны сохранять прочную эмпирическую связь с уже установленным знанием. Предсказания модели должны основываться на том, что исследователи уже знают о природном мире. Прочность этой связи зависит от того, сколько знаний уже доступно по данной теме и насколько хорошо программисты модели переводят высокоспециализированные научные концепции и логические принципы в код. AlphaFold не был бы успешным без существующего массива созданных человеком знаний о белковых структурах, который разработчики использовали для обучения. И без учёных, обеспечивающих фундамент теоретических и методологических знаний, всё, что создаёт AlphaFold, не привело бы к научному прогрессу.

Роль учёных в процессе научного открытия и экспериментирования выходит за рамки обеспечения правильной разработки ИИ-моделей и их привязки к существующему знанию. В некотором смысле наука как творческое достижение черпает свою легитимность из человеческих способностей, ценностей и образа жизни. А они, в свою очередь, основаны на уникальных способах человеческого мышления, чувствования и действия. Научные открытия — это не просто теории, подтверждённые данными. Это продукт поколений учёных с разнообразными интересами и перспективами, работающих вместе благодаря общей приверженности своему делу и интеллектуальной честности. Научные открытия никогда не бывают продуктом одного гениального одиночки.

Например, когда исследователи впервые предложили двойную спираль ДНК, не существовало эмпирических тестов, способных подтвердить эту гипотезу — она основывалась на рассуждениях высококвалифицированных экспертов. Потребовалось почти столетие технологического прогресса и несколько поколений учёных, чтобы пройти путь от чистых спекуляций в конце 1800-х до открытия, удостоенного Нобелевской премии в 1953 году. Наука, другими словами, — это ярко выраженное социальное предприятие, в котором идеи обсуждаются, предлагаются интерпретации и не все разногласия преодолеваются. Как отмечали другие философы науки, учёные больше похожи на племя, чем на «пассивных получателей» научной информации. Исследователи не накапливают научное знание, просто фиксируя «факты» — они создают его через квалифицированную практику, дебаты и согласованные стандарты, сформированные социальными и политическими ценностями.

Я считаю, что вычислительную мощность ИИ-систем можно использовать для ускорения научного прогресса, но только с осторожностью. При активном участии научного сообщества амбициозные проекты вроде Genesis Mission могут оказаться полезными. Хорошо спроектированные и тщательно обученные ИИ-инструменты сделают механические части научного исследования более плавными и, возможно, более быстрыми. Они будут компилировать информацию о том, что было сделано в прошлом, чтобы её можно было использовать для планирования будущих экспериментов, сбора измерений и формулирования теорий. Но если руководящая идея внедрения ИИ-моделей в науку состоит в том, чтобы заменить учёных-людей или полностью автоматизировать научный процесс, я считаю, такой проект превратит науку в карикатуру на саму себя. Само существование науки как источника авторитетного знания о природном мире фундаментально зависит от человеческой жизни: общих целей, опыта и устремлений.

Итог: ИИ — это мощный инструмент, но не учёный. Он может ускорить анализ данных и автоматизировать рутину, но не заменит человеческого мышления, интуиции и социального взаимодействия, которые лежат в основе настоящего научного открытия. Проекты вроде Genesis Mission могут принести пользу, только если будут работать в связке с учёными, а не вместо них.