Розрив між теорією та практикою
Сьогодні я завантажив у штучний інтелект всю свою дослідницьку бібліотеку. 6576 наукових статей. Я задав питання, яке болісно обмірковував роками.
Чи відображають офіційні словники, призначені для кодування термінів моєї галузі, те,як насправді думають практикуючі?
Я займаюся зоонозним перескоком інфекцій-тим, як хвороби переходять від тварин до людини. Як і в більшості наукових дисциплін, у нас є формальні онтології — куровані каталоги понять, покликані навести порядок. Я підозрював, що вони занадто поверхневі.
Тому я перестав сперечатися і вирішив провести тест.
Система проаналізувала 490 з цих статей, присвячених саме перескоку і виникненню нових патогенів. Вона витягла причинно-наслідкові твердження з тексту, зібрала словниковий запас «знизу вгору» і порівняла його з офіційним стандартом.
Розрив виявився величезним.
З 915 зв’язків, багаторазово згадуваних в літературі, у 864 не було аналогів в референсній схемі. 1200 концептуальних категорій були присутні в моїй невеликій вибірці, але відсутні у формальних схемах. В основному це стосувалося екологічних драйверів та екології. Фактична робоча мова лише невеликої частини моєї області в чотири рази багатша за офіційну.
Цей експеримент обійшовся мені в $26 з копійками.
Інструмент, а не модель
Це був пробний Пробіг Claude Science, який Anthropic запустив сьогодні. Їх мета? Зробити для лабораторних досліджень те ж, що Claude Code зробив для розробників програмного забезпечення.
Це смілива ставка. Шість місяців тому Зубайр Джандалі стверджував, що ШІ може допомогти з цифровими завданнями в галузі наук про життя. Сьогодні фокус змінився: ШІ може виконувати саму роботу.
Ось підступ. Claude Science-це не нова модель.
Anthropic відкрито заявляє про це. Система працює на базі Claude Opus 4. Той самий “двигун”, який орендують усі інші. Ніяких секретних ваг. Ніякого спеціального доступу. Інтелект ідентичний.
Те, що змінюється, — це інтерфейс (або «вуздечка»).
У термінах ШІ інтерфейс-це каркас. Він перетворює універсальну модель в інструмент. Підключення до даних, виконання коду, пам’ять, перевірки безпеки. » Голий ” модель може міркувати про білку. Оснащена інтерфейсом модель отримує структурні дані, згортає варіант білка на GPU-кластері, візуалізує результат і логує кожен крок для забезпечення відтворюваності.
Claude Science являє собою серйозний інтерфейс.
- Вона підключена до більш ніж шістдесяти наукових баз даних.
- Вбудовані готові навички для геноміки, хімії та структурної біології.
- Управління завданнями відбувається як на вашому ноутбуці, так і на орендованих хмарних GPU.
- Кожен висновок супроводжується повним зазначенням походження: код, середовище та історія розмови упаковані для подальшої регенерації результатів.
Чи робить це модель розумнішою?
Ні. Це робить її корисною. Що набагато цінніше.
Обчислювальний біолог міг би зібрати половину цього функціоналу самостійно, використовуючи Claude Code і GitHub, витративши пару тижнів. Але це передбачає, що кожна лабораторія має ресурси для створення власного інструменту з нуля. Anthropic ставить на те, що кураторство важливіше дублювання зусиль. Перетворення сирої обчислювальної потужності в надійну науку.
Фармацевтика-першими, решта-пізніше
У демо-версії акцент був зроблений на відкритті нових ліків.
За однією пропозицією у вигляді запиту Claude спланувала кампанію зі стабілізації ферменту, пов’язаного з фенілкетонурією. Вона просканувала 2200 молекул на 80 GPU. Скоротила список до чотирьох кандидатів. Склала меморандум з рекомендацією «так/ні».
Потім вона провела той самий процес для 100 рідкісних захворювань одночасно.
“Навіщо зупинятися на цьому?”- запитав спікер. “Можна обробити 10 000”.
Вражає? Так.
Молекулярно обмежена? Абсолютно.
Кожна база даних та Партнерська модель орієнтовані на фармацевтичну науку. Гени, білки, невеликі структури. Там, де знаходяться гроші. OpenAI та Google цілеспрямовано працюють у тому ж напрямку.
Але решта науки залишається відкритою.
Науки про Землю. Атмосферні дані. Екологія. Соціальні науки. Значна частина епідеміології.
Жоден з цих напрямків не налаштований на етапі запуску. Дані, на яких ці області спираються — записи про біорізноманіття з GBIF, кліматичний реаналіз, дані перепису, Дистанційне зондування, — відсутні в початкових шістдесяти базах даних. “Суха” Лабораторна робота в Польовій екології та динаміці популяцій залишається невикористаною територією.
Легко уявити, як це могло б працювати.
Уявіть інтерфейс, спрямований на вивчення зоонозів. Він витягує дані про народження видів. Накладає кліматичний реаналіз. Підбирає модель розподілу. Відзначає округи, де трансмісивний патоген (що переноситься кліщами) з високою ймовірністю почне поширюватися в наступному сезоні.
Складає звіт для епідеміологічного нагляду. Генерує графіки.
Стискає тижні рутинної збірки даних в один afternoon для Департаменту громадського здоров’я. Інтелектуальний потенціал для цього вже існує. Не вистачає тільки»проводки”. З’єднувач. Мій експеримент у розмірі 26 доларів-це невеликий доказ концепції.
Суд, а не генерація
Технологія рухається швидко. Вони прискорять всі процеси.
Але вони також чітко показують, де людські вчені незамінні.
Коли генерація стає дешевою, * судження * стає вузьким місцем. Аудит, валідація, виправлення. Це обмежувальні фактори для будь-якої роботи, що проходить через екран.
Це просто хороша, добросовісна наука.
Claude Science поставляється з агентом “рецензентом”, який-це погані цитати та невідповідні цифри. На даний момент це та сама модель, яка перевіряє власний висновок, а не незалежний оракул. Але напрямок здається правильним.
Реальна небезпека-регрес до посередності.
Моделі, навчені на існуючій літературі, відмінно відображають цю літературу. Вони “розмовляють самі з собою”.
Але той самий інструмент, який відображає консенсус, може відображати і пробіли. Зв’язки, які ніхто не перевіряв. Поняття, які використовуються скрізь, але ніде не визначені.
Я витратив $26 на пошук кордонів вже написаного. А знайти те, що ще не було уявлено? Це завдання складніше.
І вона виглядає єдиною залишилася проблемою, яку потрібно вирішити.
