Искусственный интеллект уже давно применяется в теоретических научных изысканиях и даже добился определённых успехов в математике и материаловедении, но исследования подразумевают и проведение практических экспериментов. В этой сфере учёным приходит на помощь новое решение Anthropic, получившее название Model Hardware Standard.

В помощь студенту: обзор российских ИИ-сервисов для учёбы и закрепления знаний

Компьютер месяца — сентябрь 2026 года

Обзор смартфона Google Pixel 11 Pro: когда надо выпустить хоть что-то

Обзор смартфона Samsung Galaxy Z Flip8: исчезающий вид?

Мастерская локальных ИИ: салат картофельный с Qwen3.8

Лучший процессор под DDR4 в 2026 году: AM4 против LGA 1700

Компьютер месяца, спецвыпуск: выбираем мини-ПК для работы и развлечений в эпоху дефицита чипов памяти

10 флагманских процессоров Intel за 10 лет

Источник изображения: Anthropic

Решение позволяет, как отмечает Financial Times, управлять лабораторным оборудованием, которое имеет программный интерфейс. Электронные микроскопы, системы подачи жидкостей и роботизированные манипуляторы теперь могут действовать автономно, проводя на практике физические, химические и биологические эксперименты по указке ИИ. Anthropic свою разработку уже успела обкатать в узком кругу научных лабораторий, включая те, что занимаются квантовыми вычислениями. По мнению участников этих экспериментов, ИИ-агенты в данном случае вполне успешно заменяли живых лаборантов.

Основанная на модели Claude система, например, смогла по команде учёных самостоятельно сфокусировать электронный микроскоп на нужном участке тканей человеческого мозга, хотя ранее никто не обучал её, где этот участок находится. Anthropic собирается распространять модель для управления научными экспериментами по принципу открытого исходного кода, но прежде чем откроет к ней доступ, должна предусмотреть механизмы защиты от ошибок. Генеральный директор компании Дарио Амодеи (Dario Amodei), кроме того, озабочен угрозой использования ИИ для создания бактериологического оружия и отравляющих веществ.

Уже сейчас ИИ помогает фармакологическим компаниям искать новые лекарства. Nvidia вместе с профильной компанией Eli Lilly оказывает финансовую поддержку стартапу Insilico Medicine, который специализируется в этой сфере. Основатель Google DeepMind Демис Хассабис (Demis Hassabis), например, переключился на работу в стартапе Isomorphic Labs, который также разрабатывает лекарственные средства с помощью ИИ. В 2024 году он удостоился Нобелевской премии в области химии за разработки в сфере использования ИИ для предсказания белковых структур.

Распространение генеративного искусственного интеллекта резко увеличило поток научных работ, одновременно создав дополнительную нагрузку на редакторов и рецензентов. Редакционная группа журнала Organization Science проанализировала 6957 заявок и 10 389 рецензий, поступивших с января 2021 по февраль 2026 года. Появление ChatGPT в конце 2022 года совпало с началом резкого роста количества работ, а также со снижением качества материалов.

Обзор смартфона Google Pixel 11 Pro: когда надо выпустить хоть что-то

10 флагманских процессоров Intel за 10 лет

Мастерская локальных ИИ: салат картофельный с Qwen3.8

В помощь студенту: обзор российских ИИ-сервисов для учёбы и закрепления знаний

Лучший процессор под DDR4 в 2026 году: AM4 против LGA 1700

Обзор смартфона Samsung Galaxy Z Flip8: исчезающий вид?

Компьютер месяца, спецвыпуск: выбираем мини-ПК для работы и развлечений в эпоху дефицита чипов памяти

Компьютер месяца — сентябрь 2026 года

Источник изображения: ИИ-генерация ChatGPT/3DNews

Выяснилось, что после распространения ChatGPT число заявок выросло на 42 %, а к февралю 2026 года ИИ, по всей видимости, в той или иной степени использовался при написании большинства поступавших статей. Для оценки применялся алгоритм Pangram 3.1, оценивающий вероятный показатель присутствия машинного текста в статьях. По индексу удобочитаемости Флеша среднее качество изложения к январю 2026 года снизилось на 1,28 стандартного отклонения по сравнению с январём 2021 года.

Работы с показателем участия ИИ свыше 70 % почти не проходили редакционный отбор — в 70 % случаев они отклонялись редакторами ещё до передачи рецензентам. В то же время тексты с минимальными признаками использования ИИ отклонялись лишь в 43,7 % случаев. Вероятность получения запроса на доработку также уменьшалась с 11,9 % до 3,2 % при выявлении значительного использования ИИ при подготовке работы.

Что важно, статистическая модель показала, что повышенная вероятность отказа сохранялась даже несмотря на гладкое и стилистически аккуратное изложение работы, а это камень в огород научного содержания статей — оно также было ниже всякой критики. Рецензии, подготовленные ИИ, также оказались менее разнообразными: в них чаще обсуждались теоретические рамки статьи, но уделялось меньше внимания данным, методам и результатам экспериментов. Авторы подчёркивают, что алгоритмы пока не позволяют гарантированно идентифицировать влияние ИИ на тексты работ, поэтому они могут говорить лишь об общих тенденциях.

Однако учёные считают, что ИИ не обязательно вредит науке. В крупном эксперименте группа Джеймса Эванса (James Evans) предложила исследователям оценить идеи, придуманные языковыми моделями. В итоге 6749 учёных дали более 25 тыс. оценок, сравнивая новизну, практическую ценность и правдоподобие гипотез. Популярные языковые модели часто предлагали похожие идеи, тогда как более продвинутые модели могли по-настоящему удивить новизной.

ИИ-рецензенты также часто расходились во мнениях с профессиональными экспертами-людьми. При этом модель Qwen3-14B, специально обученная на рецензиях, подготовленных учёными, в роли рецензента оказалась лучше универсальных моделей, показав превосходство над ними до 27 %. Вывод исследователей таков: ИИ уже помогает быстрее искать данные, писать программы и готовить тексты, но без проверки человеком и изменения системы оценки научной работы он может привести к плохо контролируемому росту числа публикаций, а не к увеличению объёма новых знаний.