Идея «самоуправляемых» лабораторий уже перестала быть фантастикой: роботы ставят эксперименты, алгоритмы анализируют результаты, а ИИ предлагает новые направления поиска. Но должен ли искусственный интеллект полностью вытеснить человека из лаборатории — или всё-таки оставаться помощником? Учёные из Аргоннской национальной лаборатории и Чикагского университета предлагают третий путь: совместное управление, где решения принимают и человек, и машина.
В новом исследовании они описали модель так называемого «ИИ-советника» — системы, которая не командует экспериментами, а подсказывает, когда человеческое суждение может сделать процесс эффективнее. Работа опубликована в журнале Nature Chemical Engineering.
Не автопилот, а умный штурман
Классические автономные лаборатории обычно действуют по заранее заданному алгоритму: стратегия выбирается в начале и строго соблюдается до конца серии экспериментов. Подход с ИИ-советником устроен иначе. Система непрерывно анализирует данные по мере их поступления и отслеживает, насколько хорошо лаборатория движется к цели. Если эффективность падает или появляется шанс улучшить результат, ИИ сигнализирует исследователям: возможно, пора изменить стратегию, уточнить параметры или расширить область поиска.
Руководитель проекта, доцент Притцкеровской школы молекулярной инженерии Чикагского университета Цзе Сюй, сравнивает этот подход с программным обеспечением из мира финансовых торгов. Алгоритмы обрабатывают данные в реальном времени, но окончательное решение остаётся за опытным трейдером — или, в данном случае, за учёным.
ИИ берёт на себя рутинную аналитику, а человек сохраняет контроль над ключевыми стратегическими шагами. По словам Сюя, такой формат делает весь процесс принятия решений гибким и заметно повышает итоговую производительность.
Совместное открытие
Соавтор исследования Генри Чан, научный сотрудник подразделения нанонауки и технологий Аргоннской лаборатории, подчёркивает: задача не в том, чтобы выбрать между человеком и ИИ. Напротив, цель — наладить их сотрудничество.
Эту идею команда проверила на практике, внедрив ИИ-советника в Polybot — самоуправляемую лабораторию при Центре наномасштабных материалов Аргоннской лаборатории. Системе поручили разработку смешанно-ионно-электронно проводящего полимера (MIECP), важного класса материалов для современной электроники.
Результат оказался впечатляющим: материалы, созданные с участием ИИ-советника, продемонстрировали рост смешанной проводимости на 150% по сравнению с предыдущими передовыми методами. Это не просто шаг вперёд — это скачок.
Человек всё ещё незаменим
Но дело не только в цифрах. ИИ-советник помог исследователям понять, почему материал стал лучше. Система выявила два ключевых фактора роста объёмной ёмкости: увеличение расстояния между кристаллическими ламеллами и более высокая удельная площадь поверхности.
Как отмечает профессор Сихун Ван из той же школы молекулярной инженерии, для материаловедения важно решать сразу две взаимосвязанные задачи: повышать характеристики материалов и понимать, какие именно дизайнерские решения к этому приводят. Новый подход позволяет достигать обеих целей одновременно, расширяя пространство возможных структур и делая его более прозрачным для анализа.
Кроме того, исследователи честно признают слабое место ИИ. Когда данных мало, алгоритмы теряются. В таких ситуациях человеческая интуиция и опыт оказываются незаменимыми. ИИ блестяще справляется с анализом больших массивов информации, но при дефиците данных именно человек способен принять осмысленное решение.
В перспективе команда хочет ещё сильнее сблизить человека и машину. Идеальный вариант — двустороннее обучение, при котором ИИ будет не только подсказывать учёным, но и учиться у них, перенимая логику и стиль принятия решений.
Возможно, будущее научных открытий — не в полностью автономных машинах и не в «чисто человеческой» науке, а в аккуратном балансе. Когда ИИ держит руку на пульсе данных, а человек — на руле смысла.
