АI — это технология для человека
На наши вопросы о синергии искусственного интеллекта и научных исследований, «Научном облаке» и новом сезоне Научной премии Сбера отвечает Андрей Белевцев, старший вице-президент, руководитель блока «Технологическое развитие» Сбербанка.
Андрей Андреевич, на Петербургском международном экономическом форуме в июне Сбер анонсировал создание национальной платформы научных моделей «Научное облако». Что это такое и почему важно?
— «Научное облако» — это новое понятие. Мы с коллегами из Санкт-Петербурга понимаем, что современные научные исследования все чаще содержат математические модели. В любом случае они всегда включают экспериментальные данные. Очень важно, чтобы полученные одной командой результаты были доступны другим исследователям. Поэтому научные работы надо публиковать. Но эта область у нас в стране остается недостаточно охваченной и развитой.
Проект «Научное облако» призван упростить для ученых доступ к передовым облачным технологиям, моделям машинного обучения, практикам их применения и быстрее обмениваться результатами, использовать наработки друг друга, проверять их или использовать для достижения лучших результатов. Мы считаем, что это заметно ускорит научные исследования в стране, поможет ученым двигаться быстрее.
— Как вы сегодня видите применение искусственного интеллекта (AI) в науке, в конкретных ее областях?
— Это очень интересное направление, и особенно динамично оно развивается вместе с появлением генеративного AI. С использованием этих моделей можно сэкономить большое количество времени и усилий, которые тратятся нашими учеными и исследователями. Проблема в том, что человек не может обрабатывать нынешний поток информации — невозможно все прочитать и сделать выводы. Модели генеративного AI позволяют ученым очень быстро суммаризировать то, что содержится в статьях по профильным тематикам, извлекать факты, делать выводы или даже «поговорить» с документом, понять, какие основные факторы могут быть важны для работы, которой занимается научный коллектив. Другая история — постановка, документирование, описание эксперимента. Генеративные модели очень хорошо с этим справляются. Следующая задача связана с тем, что многие области индустрии развиваются за счет создания собственных фундаментальных AI моделей (например, в химии или фармацевтике при разработке лекарств). Фундаментальная модель в какой-то конкретной области может использоваться, чтобы проводить определенные эксперименты, искать новые материалы и вещества, предсказывать их свойства. Это крайне интересно. То, что нас очень сильно мотивирует и интересует,— это использование мультиагентных систем, которые могут брать на себя задачи сотрудников лаборатории. Нам кажется, что в этом есть большой научной потенциал.