Claude не подходит вашей науке? Подгоните науку

У науки с ИИ-помощником обнаружился занятный способ повысить результативность: подбирать задачи под помощника. 1 октября гарвардский профессор теоретической физики Мэттью Шварц описал подход «Наука, подогнанная под Claude»: перестать требовать от Claude работы над тем, что учёные уже считают важным, и поискать вопросы, соответствующие сильным сторонам модели. Практический смысл понятен. Но вместе с ним возникает неприятный вопрос: сколько науки придётся обрезать, чтобы она хорошо сидела на Claude?

Шварц формулирует ограничения куда прямее, чем положено герою истории об очередном ИИ-прорыве: «Нынешнее поколение ИИ-инструментов неспособно решать большинство научных проблем». Зато модели исключительно хороши в некоторых задачах подходящей формы. Они быстро читают литературу, пишут код, соединяют знания из разных дисциплин и применяют известные математические методы там, где местные специалисты ещё до них не добрались. Это вполне содержательная программа работы. Только её отправная точка — возможности инструмента. Научной важности вопроса ещё предстоит пройти отдельный отбор.

Для такой работы Шварц создал BootLoops. Это программная обвязка для высокоточных вычислений, которую может использовать Claude или другая языковая модель. Внутри — специализированные инструменты для интегралов, дифференциальных уравнений, конечных переборов и вычислений с контролем погрешности, плюс протоколы проверки результатов. Агент предлагает план, человек его утверждает, затем запускаются вычисления и проверки. Аналитическое выражение можно сопоставить с независимым численным расчётом; для перебора потребовать сертификат полноты.

У этого подхода есть очевидная польза. Если тяжёлый расчёт в одной дисциплине давно освоен в другой, модель способна перенести метод через границу, на которой застряли люди. Дешёвые вычисления позволяют заняться вопросами, прежде не оправдывавшими затраченного времени. Наука всегда зависела от доступных инструментов, но важный момент: обычно передовые научные инструменты проектируют под вопросы, а не вопросы под инструменты. После запуска телескопа или коллайдера исследователи неизбежно находят для него новые применения — и это действительно расширяет исследовательское поле. В «Науке, подогнанной под Claude» эта последовательность переворачивается: сначала фиксируются возможности инструмента, а затем под них подгоняются вопросы.

Самый выразительный эпизод у Шварца — экологический. Claude и BootLoops решили уравнение из нейтральной теории биоразнообразия и применили результат к данным о деревьях на острове Барро-Колорадо. Получилось, что состав видов менялся в 4,5 раза быстрее, чем предсказывала теория. Выглядит как готовый заголовок: ИИ обнаружил драматическое расхождение модели с природой. Эколог Джеймс О’Двайер объяснил, что специалисты, скорее всего, встретят его пожатием плечами. Затем помог изменить постановку и построить более полезную предсказательную модель с учётом дополнительных экологических факторов. Самая важная поправка понадобилась к вопросу, а не к полученному ИИ ответу.

Шварц описывает этот эффект как повторяющийся: технически новые результаты оказывались научно малоинтересными, пока специалисты предметной области не перенаправляли работу. Здесь проходит граница возможностей вычислительного контроля, на который опирается ИИ. Проверка отвечает, верен ли результат; сертификата значимости она не даёт. В нашей истории о найденной Claude ферментной системе ART окончательным «оракулом» гипотезы становился эксперимент с живым материалом. Но даже подтверждённому эффекту требуется место в содержательной научной картине. Без этого можно получить безупречный ответ на вопрос, от которого дисциплине ни тепло ни холодно.

«Почти во всех случаях Claude был технически прав, но результат оставался не слишком интересным, пока эксперт не помогал нам изменить направление», — Мэттью Шварц

Похожая «дрессировка желаний» знакома нам по генеративной графике. Сначала пользователь хочет конкретную картинку. После серии неудач он осваивает любимые моделью композиции, фактуры и стили, а затем начинает заказывать их с первого раза. Результаты становятся красивее, раздражения меньше, вкус постепенно совпадает с ассортиментом генератора. Можно назвать это мастерством промптинга. Можно заметить, что личный замысел по дороге усох. В науке такой компромисс касается уже вопросов, на которые будут потрачены месяцы работы.

Отсюда и парадокс: ИИ может расширять пространство решений внутри удобного ей класса задач и одновременно сужать исследовательскую повестку вокруг этого класса. Особенно если быстрые результаты превращаются в главный показатель успеха. Вопросы, требующие долгого наблюдения, нечёткой постановки или разработки нового понятийного аппарата, проигрывают ещё до начала работы: помощнику с ними неудобно. Если такой отбор закрепляется в проектах, публикациях и финансировании, сегодняшние ограничения модели получают право распоряжаться завтрашним научным вниманием.

Граница между полезным заполнением пробелов и подогнанной под ИИ повесткой проходит через право выбирать и менять вопрос. Вычислительная доступность — хороший повод исследовать возможность. Научную ценность придумаем потом. Что результат объясняет? Какие альтернативы позволяет различить? Почему предметному специалисту стоит им заинтересоваться? Неожиданная находка вполне может стать важной — заранее утверждённый список «задач тысячелетия» науке тоже противопоказан. Но «Claude это умеет» годится для выбора рабочего метода и слишком мало говорит о том, зачем нужна вся работа.

Шварц сам показывает рабочий выход: привлекать специалистов, способных пересобрать постановку, даже если первоначальный результат уже выглядит эффектно. Именно они спасают исследование от производства технических новинок для пожатия плечами. Однако из его текста легко сделать рекламу науки, наконец принявшей форму Claude. Более интересный вывод — следить, чтобы эта форма оставалась сменной оснасткой. Иначе обещанный ускоритель открытий начнёт воспитывать у исследователей удобные желания: всё больше препринтов на arXiv, всё меньше вопросов, которые ИИ не по размеру.