Точность вторична. Искусственный интеллект ускоряет открытие новых материалов, но не заменяет ученых

Команды разработчиков материалов используют искусственный интеллект для быстрого тестирования миллионов вариантов и поиска многообещающих решений. Хотя они готовы пожертвовать некоторой точностью ради скорости, полностью автономные открытия остаются недостижимыми.

Об этом пишет Интересная Инженерия.

Искусственный интеллект все чаще используется в исследованиях материалов, но он дополняет, а не заменяет традиционные методы. По словам Джошуа Янга из Matlantis, исследователи комбинируют новые инструменты с классическими физическими моделями, чтобы ускорить определенные этапы процесса.

Около половины команд уже используют в своей работе платформы искусственного интеллекта, хотя традиционные методы по-прежнему занимают несколько большую долю. Это говорит о том, что ИИ в настоящее время сосуществует с проверенными подходами и помогает их совершенствовать, а не полностью заменяет процесс открытия.

Полностью автономные системы пока не функционируют как единое целое. Различные типы данных – текст, изображения, спектры или результаты микроскопии – сложно интегрировать в единую систему. Именно это препятствует созданию замкнутого цикла исследований без вмешательства человека. Ян думает, что до этого еще три-пять лет.

Несмотря на достижения в области автоматизации, роль человека остается ключевой. Для интерпретации результатов и проведения экспериментов необходимы специалисты. Без них существует риск прийти к неверным выводам, особенно если данные или модели ошибочны.

Опрос показал, что только около 14% учёных полностью доверяют искусственному интеллекту. Частично эта неуверенность связана с риском получения ложных результатов из-за низкого качества данных.

При этом скорость становится приоритетом. Около 73% исследователей готовы пожертвовать некоторой точностью, если это позволит им получать результаты в 100 раз быстрее. Во многих случаях небольших отклонений достаточно, чтобы сохранить общие закономерности и сделать полезные выводы.

Из-за нехватки времени 94% команд были вынуждены отказаться от некоторых проектов. Поэтому скорость стала предпосылкой новых открытий.

Искусственный интеллект также помогает в качестве инструмента выбора. Он не обязательно дает абсолютно точные прогнозы; главное — правильно определить тенденции и сузить область поиска. Это позволяет экспериментам сосредоточиться на наиболее перспективных вариантах.

Практические результаты уже заметны. В среднем компании экономят около $109 000 на проекте благодаря меньшему количеству экспериментов и более быстрым рабочим процессам. В одном случае химическая компания протестировала 13 различных катализаторов за шесть недель вместо нескольких лет.

В другом примере исследователи проанализировали 32 миллиона материалов твердотельных батарей менее чем за неделю. Раньше на это уходили десятилетия. Прототип батареи был создан менее чем за девять месяцев.

Однако защита данных остается ключевым вопросом. Все респонденты указали, что безопасность интеллектуальной собственности имеет решающее значение. Это потому, что новые материалы могут стоить миллиарды долларов.

Ожидается, что в ближайшие годы массовые вычисления станут стандартом. Проведение сотен тысяч или миллионов симуляций в течение нескольких дней или недель может стать обычной практикой.

Ожидается также развитие автоматизированных лабораторий, где моделирование будет запускать эксперименты, а результаты будут немедленно передаваться обратно в модели искусственного интеллекта. Это позволит более эффективно использовать даже неудачные попытки.

При этом искусственный интеллект не заменит ученых, но даст им больше времени для разработки новых идей и стратегий за счет автоматизации рутинной работы.