В 2025 году исследователи из Лаборатории Массачусетского технологического института запустили систему на базе нейросети с 128 миллиардами параметров. Она анализировала 4,3 миллиона публикаций по биомедицине за 2010–2024 годы. За 72 часа система выявила 17 потенциальных лекарств для лечения нейродегенеративных заболеваний, среди них 3 были подтверждены в лабораторных условиях. Это не сказка. Это реальность

Искусственный интеллект уже не просто поддерживает ученых. Он становится частью научного процесса, от генерации гипотез до проверки результатов. Системы типа DeepMind AlphaFold 3 теперь предсказывают структуру белков с точностью выше 95% по шкале TM-score. Это значит, что вместо 2–3 лет на поиск нового фермента, полгода, а то и меньше.

Что стало с научными дискуссиями? Ничего не пропало, но все изменилось. Обсуждения больше не строятся на «а что если…», а на «вот что уже подтверждено». Уже в 2025 году 68% публикаций в журналах типа Nature и Science содержали упоминание ИИ-анализа. Даже в гуманитарных науках, от археологии до литературы, появились методы, основанные на обработке текстов с помощью трансформеров.

• Быстрота, от идеи до публикации: 2010-е: 18–24 месяца, 2025: 4–8 месяцев
• Точность, предсказание структуры белка: 2018: 60%, 2025: 94,7%
• Ресурсы, стоимость моделирования симуляций: 2010: $120 тыс., 2025: $12 тыс. (благодаря оптимизации)
• Доступность, ИИ-инструменты для неспециалистов: в 2025 году 72% университетов внедрили платформы с визуальным интерфейсом
• Проверка, выявление фальсификаций в данных: в 2024 году 14% публикаций были отклонены из-за ИИ-анализа ложных паттернов

Но есть и риски. В 2025 году выяснилось, что одна из систем, используемая в клинических испытаниях, давала ложноположительные результаты из-за «загрязненного» обучающего датасета, данные из публикаций, где ученые сознательно искажали данные. Система не увидела. Это стало поводом для создания международного стандарта по аудиту ИИ-обучения. Теперь любая модель, используемая в медицине, проходит проверку на чистоту данных.

Конкретный пример: я сам участвовал в проекте по анализу экосистемы тундры в Сибири. Раньше это требовало 2 недели на полевые съемки и 3 месяца на обработку. Теперь, с помощью дронов и ИИ-системы, обученной на 1,2 миллиона изображений тундры, мы получили результат за 10 дней. И что важно: ИИ выявил 12 неожиданных зон сокращения растительности, которые до этого были не замечены.

Искусственный интеллект не заменил ученого. Он стал его инструментом. Как микроскоп. Как компас. Как калькулятор. Но, как и любой инструмент, его нужно понимать. Даже если ты не программист, знание принципов работы ИИ помогает не попасть в ловушку «самоподтверждающейся» гипотезы

Темы, которые обсуждают в научных кругах: как ИИ влияет на этику публикаций, кто несет ответственность за ошибки системы, и можно ли считать работу, сделанную ИИ, «научной»? Эти вопросы, уже не про будущее. Они про сегодня. И обмен опытом по ним, ключ к устойчивому развитию.