Κατά τη διάρκεια της κεντρικής ομιλίας του Google I/O την Τρίτη, ο Demis Hassabis, Διευθύνων Σύμβουλος της Google DeepMind, διακήρυξε ότι βρισκόμαστε αυτή τη στιγμή «στους πρόποδες της μοναδικότητας». Αυτή η δήλωση ήταν ιδιαίτερα εντυπωσιακή, καθώς η μοναδικότητα αποτελεί τη θεωρητική μελλοντική στιγμή κατά την οποία η τεχνητή νοημοσύνη θα υπερβεί ταχύτατα την ανθρώπινη νοημοσύνη και θα μεταμορφώσει δραματικά τον κόσμο. Ωστόσο, αυτό που προκάλεσε την εντύπωση του συγγραφέα, καθώς παρακολουθούσε από το ακροατήριο, ήταν το συγκεκριμένο πλαίσιο εντός του οποίου ειπώθηκαν αυτές οι λέξεις.
Ο κ. Hassabis βρισκόταν στη σκηνή για να ολοκληρώσει τη συνεδρία με ένα τμήμα αφιερωμένο στην επιστημονική τεχνητή νοημοσύνη. Το κεντρικό σημείο αυτής της παρουσίασης ήταν ένα βίντεο που περιέγραφε λεπτομερώς πώς το λογισμικό πρόβλεψης καιρού της εταιρείας παρείχε μια έγκαιρη προειδοποίηση σχετικά με την καταστροφική προσγείωση του τυφώνα Melissa στην Τζαμάικα πέρυσι, γεγονός που ενδεχομένως έσωσε ζωές. Εάν αυτό το λογισμικό, γνωστό ως WeatherNext, συνέβαλε στο να διαφύγει οποιοσδήποτε από την καταιγίδα ή να ενισχύσει καλύτερα την κατοικία του, αυτό συνιστά ένα τεράστιο και σημαντικό επίτευγμα. Ωστόσο, δύσκολα μπορεί να θεωρηθεί απόδειξη μιας επικείμενης μοναδικότητας.
Η αντιπαράθεση της υψηλής ρητορικής του Hassabis με τα πραγματικά αποτελέσματα του WeatherNext ανέδειξε την ένταση μεταξύ δύο πολύ διαφορετικών προσεγγίσεων στην τεχνητή νοημοσύνη για την επιστήμη. Η πρώτη επικεντρώνεται σε εργαλεία τεχνητής νοημοσύνης, όπως το WeatherNext, τα οποία έχουν σχεδιαστεί και εκπαιδευτεί για την επίλυση συγκεκριμένων επιστημονικών προβλημάτων. Η δεύτερη αφορά τα αυτόνομα, βασισμένα σε μεγάλα γλωσσικά μοντέλα (LLM) συστήματα, τα οποία θα μπορούσαν μια μέρα να εκτελούν πρωτοποριακά ερευνητικά έργα χωρίς ανθρώπινη παρέμβαση.
Αυτό το δεύτερο όραμα τροφοδοτεί μεγάλο μέρος του ενθουσιασμού για την τεχνητή νοημοσύνη αυτή τη στιγμή, συμπεριλαμβανομένου του πρόσφατου ενδιαφέροντος γύρω από την αναδρομική αυτοβελτίωση, ή την ιδέα ότι τα συστήματα τεχνητής νοημοσύνης θα μπορούσαν τελικά να γίνουν οι κύριοι μοχλοί της προόδου της τεχνητής νοημοσύνης – μια διαδικασία που θα επιταχυνόταν συνεχώς καθώς τα συστήματα τεχνητής νοημοσύνης θα γίνονταν εξυπνότερα. Επιπλέον, τα αυτόνομα συστήματα πλέον πραγματοποιούν ουσιαστικές ερευνητικές συνεισφορές, ενίοτε με περιορισμένη ανθρώπινη καθοδήγηση.
Η Μετατόπιση προς την Αυτόνομη Επιστημονική Τεχνητή Νοημοσύνη και οι Επιπτώσεις της
Μόλις αυτή την εβδομάδα, ο Pushmeet Kohli, επικεφαλής επιστήμονας της Google Cloud, δημοσίευσε ένα άρθρο σε ένα ειδικό τεύχος του περιοδικού Daedalus, αφιερωμένο στην τεχνητή νοημοσύνη και την επιστήμη, γράφοντας: «We are moving toward AI that doesn’t just facilitate science but begins to do science.» Με τους αυτόνομους επιστήμονες τεχνητής νοημοσύνης στον ορίζοντα, καθίσταται δυσκολότερο να δικαιολογηθούν τεράστιες προσπάθειες για την ανάπτυξη υπερ-εξειδικευμένων εργαλείων – ακόμη και ενός όπως το AlphaFold, για το οποίο οι επιστήμονες της DeepMind κέρδισαν βραβείο Νόμπελ, ή ενός δυνητικά σωτήριου συστήματος όπως το WeatherNext. Προαναγγέλλει επίσης ένα πολύ πιο παράξενο μέλλον για την επιστήμη, στο οποίο οι άνθρωποι και τα συστήματα τεχνητής νοημοσύνης θα συνεργάζονται ως ομότιμοι – ή η τεχνητή νοημοσύνη θα επιτυγχάνει ακόμη και επιστημονική πρόοδο από μόνη της.
Η Συνεχιζόμενη Ανάπτυξη Εξειδικευμένων Εργαλείων από την Google
Προς αποφυγή παρεξηγήσεων, η Google δεν φαίνεται να εγκαταλείπει το έργο της σε εξειδικευμένα εργαλεία τεχνητής νοημοσύνης για την επιστήμη. Τα AlphaGenome και AlphaEarth Foundations, τα οποία έχουν εκπαιδευτεί για εφαρμογές γενετικής και επιστημών της Γης αντίστοιχα, κυκλοφόρησαν το περασμένο καλοκαίρι, ενώ η νεότερη έκδοση του WeatherNext εμφανίστηκε τον Νοέμβριο.
Επιπλέον, τέτοια εργαλεία παραμένουν εξαιρετικά δημοφιλή μεταξύ των επιστημόνων. Πέρυσι, για παράδειγμα, η Google ανέφερε ότι οι προβλέψεις δομής πρωτεϊνών από το AlphaFold έχουν χρησιμοποιηθεί. Επίσης, η Isomorphic Labs, θυγατρική της Google που στοχεύει στη χρήση του AlphaFold και συναφών τεχνολογιών για την ανάπτυξη νέων φαρμάκων, μόλις συγκέντρωσε χρηματοδότηση 2 δισεκατομμυρίων δολαρίων στον γύρο χρηματοδότησης Series B.
Σημάδια Αναπροσαρμογής Πόρων και Προτεραιοτήτων στην Google
Ωστόσο, υπάρχουν συγκεκριμένα σημάδια αναπροσαρμογής, τόσο στον ενθουσιασμό όσο και στους πόρους. Τον περασμένο μήνα, οι Los Angeles Times ανέφεραν ότι ο John Jumper, συνεργάτης της Google, ο οποίος κέρδισε το Νόμπελ για το AlphaFold, εργάζεται πλέον στην κωδικοποίηση τεχνητής νοημοσύνης, και όχι σε επιστημονικά εξειδικευμένα εργαλεία τεχνητής νοημοσύνης. Δεν προκαλεί έκπληξη το γεγονός ότι η Google αναθέτει τα καλύτερα μυαλά της στο πρόβλημα της κωδικοποίησης, καθώς η εταιρεία έχει υποστεί πρόσφατα ένα πλήγμα στη φήμη της, επειδή τα εργαλεία κωδικοποίησής της δεν ανταποκρίνονται επί του παρόντος σε αυτά που προσφέρονται. Αυτό μπορεί επίσης να σηματοδοτεί μια προτεραιότητα της αυτόνομης επιστήμης εκ μέρους της Google, καθώς οι ικανότητες κωδικοποίησης είναι κλειδί για την επιτυχία ορισμένων από αυτά τα συστήματα.
Οι Δυνατότητες των Αυτόνομων Ερευνητικών Συστημάτων σε Όλο τον Κλάδο
Σε ολόκληρο τον κλάδο, τα αυτόνομα ερευνητικά συστήματα επιδεικνύουν πραγματικές δυνατότητες. Αυτή την εβδομάδα, η OpenAI ανακοίνωσε ότι ένα από τα μοντέλα της είχε διαψεύσει μια σημαντική μαθηματική εικασία – ίσως την πιο ουσιαστική συνεισφορά που έχει κάνει η γενετική τεχνητή νοημοσύνη στα μαθηματικά μέχρι στιγμής, σύμφωνα με ορισμένους μαθηματικούς. Είναι σημαντικό ότι το μοντέλο χρησιμοποιήθηκε για την επίλυση μαθηματικών προβλημάτων, ή ακόμη και για έρευνα. Σύμφωνα με την εταιρεία, πρόκειται για ένα μοντέλο γενικής χρήσης συλλογιστικής, παρόμοιο με το GPT-5.5. Εάν οι γενικοί πράκτορες μπορούν να κάνουν ανεξάρτητες συνεισφορές στη μαθηματική έρευνα, ενδέχεται σύντομα να είναι σε θέση να κάνουν το ίδιο και στην επιστήμη (αν και το γεγονός ότι οι ιδέες στην επιστήμη πρέπει να επαληθεύονται πειραματικά καθιστά την επιστήμη ένα πιο δύσκολο πεδίο για την τεχνητή νοημοσύνη).
Το Νέο Πακέτο Gemini for Science της Google και ο Ενθουσιασμός της Επιστημονικής Κοινότητας
Η Google αφιερώνει αναμφίβολα μεγάλη προσοχή σε ένα επιστημονικό μέλλον που καθοδηγείται από πράκτορες. Η μεγάλη επιστημονική ανακοίνωση στο I/O ήταν το νέο πακέτο Gemini for Science, το οποίο ενώνει πολλά από τα επιστημονικά συστήματα της εταιρείας που βασίζονται σε LLM κάτω από μία ενιαία επωνυμία. Αυτό περιλαμβάνει το AI Co-Scientist, που παράγει υποθέσεις, και το AlphaEvolve, που βελτιστοποιεί αλγορίθμους, τα οποία δεν είναι ακόμη διαθέσιμα στο κοινό – αλλά καθώς η Google επιτρέπει πλέον σε οποιονδήποτε ερευνητή να υποβάλει αίτηση για πρόσβαση στο Gemini for Science, ενδέχεται σύντομα να δουν ευρύτερη υιοθέτηση στην επιστημονική κοινότητα. Οι επιστήμονες που συμμετείχαν στις πρώτες δοκιμές είναι ενθουσιασμένοι με τις δυνατότητές τους: ο Gary Peltz, γενετιστής του Στάνφορντ, συνέκρινε τη χρήση του AI Co-Scientist με «consulting the oracle of Delphi» σε ένα άρθρο του Nature Medicine.
Η Συμβατότητα του Gemini for Science με Εξειδικευμένα Εργαλεία και η Μετατόπιση της Δημόσιας Εικόνας
Το Gemini for Science δεν είναι ασύμβατο με εξειδικευμένα εργαλεία. Αντιθέτως, τα αυτόνομα συστήματα μπορούν να σχεδιαστούν ώστε να καλούν τέτοια εργαλεία όταν αυτά μπορεί να είναι χρήσιμα. Και κανένα αυτόνομο σύστημα δεν μπορεί να προβλέψει τη δομή στην οποία θα διπλωθεί μια πρωτεΐνη χωρίς τη βοήθεια του AlphaFold (τουλάχιστον όχι ακόμη). Ωστόσο, η εταιρεία φαίνεται να μετατοπίζει τη δημόσια εικόνα της – και τουλάχιστον ορισμένους πόρους και προσωπικό, όπως ο Jumper – μακριά από την ειδική ανάπτυξη αυτών των ειδών εργαλείων. Αν και έχουν περάσει μόλις πέντε χρόνια από τότε που το AlphaFold έλυσε το πρόβλημα της αναδίπλωσης πρωτεϊνών, τόσο η τεχνολογία όσο και ο διάλογος έχουν γρήγορα προχωρήσει πέρα από αυτό το κάποτε επαναστατικό επίτευγμα.
Το Ανθρωποκεντρικό Πλαίσιο της Google και η Εξέλιξη της Συνεργασίας Ανθρώπου-AI
Η Google έχει επιδείξει προσοχή στην τοποθέτηση αυτής της νέας σειράς επιστημονικών πρακτόρων ως επιταχυντών για τους ανθρώπινους επιστήμονες, παρά ως αντικαταστατών τους – η επιλογή του ονόματος AI Co-Scientist έναντι του AI Scientist, για παράδειγμα, φαίνεται αρκετά σκόπιμη. Ο Hassabis χρησιμοποιεί το ίδιο ανθρωποκεντρικό πλαίσιο όταν αναφέρεται στις αλλαγές στο τοπίο της επιστημονικής τεχνητής νοημοσύνης. «For the next decade or so, we should think about AI as this amazing tool to help scientists,» δήλωσε ο Hassabis σε μια συνέντευξη που δημοσιεύτηκε στο τεύχος του Daedalus. «Beyond that timeframe, it is hard to say with any certainty, but perhaps these systems will become more like collaborators.»
Η Προοπτική της Μοναδικότητας και οι Υπεράνθρωποι Επιστήμονες Τεχνητής Νοημοσύνης
Ωστόσο, κανείς δεν μπορεί να είναι αποτελεσματικός επιστημονικός συνεργάτης χωρίς να είναι και ο ίδιος ένας ικανός επιστήμονας. Και αν ο Hassabis βρίσκεται κοντά στην αλήθεια όταν μιλάει για τους «πρόποδες της μοναδικότητας», τότε οι επιστήμονες τεχνητής νοημοσύνης θα μπορούσαν τελικά να υπερβούν τις ικανότητες των ανθρώπινων ομολόγων τους. Σε μια συζήτηση με τον δημοσιογράφο Mike Allen στο I/O, ο Hassabis ανέφερε πώς αρχικά εμπνεύστηκε να επιδιώξει την τεχνητή νοημοσύνη όταν παρατήρησε ότι η πρόοδος στη φυσική είχε σταματήσει από τη δεκαετία του 1970. Αναρωτήθηκε αν ο ανθρώπινος νους είχε φτάσει στα όριά του σε αυτόν τον τομέα και αν η τεχνητή νοημοσύνη θα μπορούσε να βοηθήσει στην υπέρβαση αυτού του εμποδίου. Οι υπεράνθρωποι αυτόνομοι επιστήμονες θα ταίριαζαν σίγουρα σε αυτή την περιγραφή. Ενδέχεται να μην φτάσουμε ποτέ κοντά σε αυτό το σημείο, αλλά η Google φαίνεται να στοχεύει προς αυτή την κορυφή.
Αυτό το περιεχόμενο αναδημιουργήθηκε από την ΤΝ χρησιμοποιώντας την εφαρμογή Nexus AI – Journalist Assistant.
