ИИ нашёл закономерность — но сделал ли он научное открытие?

В прошлую среду Anthropic объявила, что в начале 2026 года запустила лабораторию молекулярной биологии, в которой агенты Claude анализируют научную литературу и биологические данные, формируют гипотезы, а учёные проверяют их экспериментально. По утверждению компании, эта лаборатория уже сделала своё первое открытие.

Чтобы понять, о чём идёт речь, представим огромную библиотеку, содержащую миллионы последовательностей ДНК, накопленных по мере того, как исследователи секвенируют всё больше организмов. Один из возможных путей к научному результату — найти необычную последовательность, которая кодирует потенциально интересный белок или фермент. Затем необходимо установить, что именно делает этот фермент, как работает соответствующая биологическая система и можно ли использовать полученное знание на практике.

Именно на этапе поиска закономерностей Anthropic продемонстрировала возможности своей системы. По данным компании, 950 агентов Claude за 21 час обнаружили повторяющийся генетический паттерн, связанный с известным ферментом. Сам фермент и соответствующая последовательность не были новыми. Новым, по утверждению Anthropic, оказался ранее не зафиксированный характерный паттерн.

Компания сравнила обнаруженную закономерность с наблюдениями, которые в своё время помогли исследователям прийти к идеям, лежащим в основе CRISPR — технологии редактирования генов, которая впоследствии оказала огромное влияние на биологию и медицину.

Именно здесь и возник спор.

Некоторые биологи сочли формулировки Anthropic чрезмерными. Один из критиков, биолог Лукас Харрингтон, указал, что обнаружить необычный кластер генов или повторяющуюся последовательность зачастую значительно проще, чем установить биологическое значение найденной системы. По его мнению, самая сложная часть начинается после обнаружения закономерности: необходимо выяснить, что именно делает система и почему она важна.

Это принципиальное различие.

Поиск интересного сигнала среди огромного массива данных — вполне легитимная и иногда чрезвычайно ценная научная работа. Но сам по себе найденный паттерн ещё не становится научным открытием. Для этого требуется как минимум показать, что наблюдение действительно новое, воспроизводимо, имеет объяснение или следствия и меняет понимание соответствующего явления.

Именно поэтому вопрос «сделал ли ИИ открытие?» оказывается значительно сложнее, чем кажется.

Что именно сделал Claude?

Если описывать эксперимент без маркетинговых формулировок, результат выглядит достаточно впечатляюще и без слова «открытие».

Система из сотен агентов смогла за относительно короткое время просмотреть огромный массив биологических данных, выделить повторяющуюся закономерность и предложить её исследователям как объект дальнейшего изучения.

Для биолога такая работа может иметь большую практическую ценность. Человеческому исследователю трудно вручную просмотреть сотни тысяч или миллионы возможных комбинаций и не пропустить слабый сигнал. ИИ способен выполнять такой поиск значительно быстрее.

Но это ещё не означает, что ИИ самостоятельно создал новое научное знание.

Учёные должны установить, действительно ли найденная закономерность ранее не была описана, проверить её экспериментально, определить её биологическую функцию и понять, какие выводы из неё следуют.

Именно поэтому в данном случае правильнее говорить о поиске потенциально новой закономерности, а не автоматически о полноценном научном открытии.

Это различие может показаться терминологическим, но оно имеет большое значение. Если любой новый для модели результат называть открытием, понятие научного прорыва быстро потеряет смысл.

А если человек уже нашёл то же самое?

Ситуацию дополнительно осложнило заявление биолога из Копенгагенского университета Марио Родригеса Местре.

Как сообщила The New York Times, Местре утверждает, что его команда уже обнаружила тот же конкретный паттерн. Более того, он регулярно использовал Claude в своей работе и предположил, что информация о его исследованиях могла каким-либо образом попасть в систему Anthropic.

Anthropic отвергла предположение о том, что её команда получила результат Местре из его разговоров с Claude. Сам исследователь, однако, заявил, что прекращает использование системы.

Если это утверждение подтвердится, ситуация станет ещё сложнее. Тогда возникнет вопрос не только о том, является ли обнаружение Anthropic новым, но и о приоритете научного результата.

В науке это принципиальный вопрос. Новизна означает не просто способность впервые сообщить человеку о некотором факте. Важно установить, действительно ли этот факт ранее не был известен научному сообществу.

ИИ не может объявить результат новым только потому, что сам не встречал его раньше.

Когда инструмент становится исследователем?

Именно здесь возникает более фундаментальная проблема.

Компании, разрабатывающие ИИ, всё чаще описывают свои системы не просто как инструменты для исследователей. Они говорят об агентах, которые способны самостоятельно формулировать гипотезы, планировать последовательность действий, анализировать результаты и предлагать следующие эксперименты.

В таком сценарии традиционная граница между «учёным» и «инструментом» начинает размываться.

Микроскоп не делает открытие сам. Суперкомпьютер не делает открытие сам. Система автоматического секвенирования ДНК тоже не является автором научной статьи. Все эти инструменты расширяют возможности исследователя.

Но если агент ИИ самостоятельно выбирает проблему, формулирует гипотезу, анализирует миллионы вариантов, предлагает эксперимент, интерпретирует его результаты и затем формирует следующую гипотезу, возникает уже другой вопрос: какую часть научного процесса мы должны считать выполненной человеком, а какую — системой?

Пока практический ответ достаточно очевиден: ответственность за научный результат остаётся на людях. Именно исследователь должен проверить гипотезу, оценить её новизну, воспроизвести результат и определить его научное значение.

Но по мере роста автономности агентов эта граница будет становиться всё менее очевидной.

Проблема «открытия» возникает не только в биологии

Похожая дискуссия уже развернулась вокруг достижений ИИ в математике.

В начале сентября OpenAI сообщила о том, что её агенты решили сложную математическую задачу, связанную с уравнениями Навье — Стокса. Однако последующая дискуссия была посвящена не столько корректности самого результата, сколько вопросу о том, насколько значимой была именно эта постановка задачи для математиков.

Scientific American отдельно разбирал вопрос о том, действительно ли выбранная OpenAI задача соответствовала наиболее интересной части математической проблемы. При этом публикация не утверждала, что решение OpenAI было неправильным. Спор шёл о другом: что именно было решено и насколько это важно в контексте всей проблемы.

Это принципиальная разница.

Корректный математический результат может быть настоящим достижением, но при этом не решать наиболее интересную часть проблемы. Точно так же биологическая система может обнаружить ранее не замеченную закономерность, которая окажется полезной для дальнейшего исследования, но ещё не станет фундаментальным открытием.

К этому добавились обвинения в том, что математические модели могли использовать ранее опубликованные работы исследователей без должного указания их вклада. Такие споры ещё сильнее усложняют картину: общественность получает сообщение о «решённой задаче», затем — сомнения в значимости результата и, наконец, дискуссию о происхождении использованных идей.

В результате создаётся ложная бинарная схема: либо ИИ совершил грандиозный прорыв, либо его достижение ничего не стоит.

На самом деле между этими крайностями находится огромное количество вполне реальной научной работы.

Наука не состоит из одних прорывов

Сократить 200 тыс. потенциальных кандидатов до нескольких десятков заслуживающих внимания — это не мелочь. Если ИИ способен выполнять такую работу быстрее и дешевле человека, он может радикально увеличить производительность научных лабораторий.

Но научная ценность подобного результата определяется не тем, сколько кандидатов просмотрел ИИ.

Она определяется тем, что произойдёт после этого.

Если из сотен тысяч кандидатов исследователь найдёт один белок с неожиданной функцией, подтвердит её экспериментально и использует полученное знание для создания нового метода лечения, диагностики или промышленного процесса, тогда цепочка от вычислительного поиска до научного результата действительно окажется чрезвычайно значимой.

Но в этой цепочке будет несколько разных стадий:

поиск закономерности → формулирование гипотезы → экспериментальная проверка → воспроизводимость → объяснение механизма → научное и практическое значение.

ИИ может уже сегодня хорошо выполнять первую часть этой цепочки и постепенно осваивать следующие. Но объявлять весь процесс «открытием ИИ» только на основании первого шага преждевременно.

Именно поэтому критика некоторых громких заявлений компаний ИИ имеет смысл даже в том случае, если сами технологии действительно впечатляют. Более строгие критерии не уменьшают значение достижений ИИ — наоборот, они позволяют отделить действительно новые научные результаты от эффективного использования существующих методов.

Кто устанавливает планку?

Лукас Харрингтон, критикуя заявление Anthropic, предложил компаниям ИИ заранее установить высокую планку для подобных заявлений: если ИИ действительно обнаружит фундаментально новый биологический механизм, научное сообщество должно понимать, почему это важно.

Это кажется разумным подходом.

Проблема в том, что сегодня компании ИИ одновременно являются разработчиками технологий, пользователями собственных систем и их главными маркетологами. Поэтому возникает естественный конфликт между необходимостью демонстрировать впечатляющий прогресс и необходимостью максимально строго оценивать научную новизну полученных результатов.

И здесь особенно важно не попасть в ловушку постоянно меняющейся планки.

Если ИИ находит закономерность — это называют открытием. Если оказывается, что закономерность уже известна, говорят, что система «всё равно самостоятельно пришла к тому же результату». Если найден новый результат, но он не имеет большого практического значения, начинают обсуждать его потенциальную перспективность.

Так можно бесконечно расширять определение научного прорыва.

В результате общество получает не более точное представление о возможностях ИИ, а всё более размытое.

Возможно, гораздо продуктивнее отказаться от вопроса «сделал ли ИИ открытие?» и каждый раз разбирать всю цепочку: что именно система обнаружила, было ли это ранее известно, насколько результат воспроизводим, кто сформулировал гипотезу, кто спроектировал эксперимент, кто подтвердил результат и какое новое знание в итоге появилось?

Если ИИ сможет пройти всю эту цепочку — от постановки действительно новой научной проблемы до экспериментально подтверждённого результата, который меняет представления специалистов о природе явления, — тогда говорить о научном открытии, сделанном с существенным вкладом ИИ, будет гораздо проще.

А пока главный риск заключается не в том, что ИИ «не умеет делать открытия», а в том, что компании начнут называть открытием практически любой впечатляющий результат работы своих систем.

Так где же для вас проходит граница: достаточно ли ИИ самостоятельно найти ранее незамеченную закономерность, или настоящим научным открытием можно назвать только результат, в котором система прошла путь от гипотезы до экспериментально подтверждённого нового знания? А что об этом думаете вы?