23 июля 2025 г.
Искусственный интеллект начинает трансформировать российскую науку, хотя масштабы внедрения пока скромные. По данным Института статистических исследований и экономики знаний НИУ ВШЭ, в России лишь 5% научных организаций и около 10% вузов используют ИИ-решения для своих целей, тогда как за рубежом три четверти ученых уже применяют различные ИИ-инструменты. Например, в Гарварде используют ИИ-платформу для проверки эссе, в Стэндфорде — чат-бот для исследований, а в Университете Торонто — ИИ-систему для планирования расписаний. Между тем эксперты К2 НейроТех назвали четыре ключевых тренда, которые могут кардинально изменить исследовательские процессы — от генеративных моделей, сокращающих время разработки новых материалов с сотен лет до нескольких месяцев, до автономных лабораторий, способных самостоятельно планировать и проводить эксперименты.
Российская наука сталкивается с классическими проблемами роста: традиционные методы исследований не справляются с усложняющимися задачами, а объемы данных растут в геометрической прогрессии. Решением становится массовое внедрение ИИ-технологий, которое в мире уже набрало критическую массу. Согласно исследованию Oxford University Press, в 2024 году 75% авторов публикаций в ведущих научных журналах использовали ИИ-инструменты — от машинного перевода до специализированных поисковых систем.
По оценкам К2 НейроТех, на научные процессы все сильнее будут влиять следующие тренды:
1. Генеративные модели экономят столетия
В 2025 году генеративные модели ИИ становятся все более распространенными в научных исследованиях. Они не только анализируют данные, но и создают новые решения, что значительно ускоряет процесс разработки и снижает затраты на стендовые тесты. Например, в материаловедении генеративные модели помогли открыть сотни тысяч устойчивых материалов, на что при классическом переборе потребовалось бы 800 лет. Так ИИ-система GNoME от Google DeepMind за короткий срок предсказала 2,2 миллиона потенциальных кристаллических структур. 381 тысяча из них были идентифицированы как термодинамически стабильные, увеличив базу известных устойчивых неорганических кристаллов более чем в восемь раз. Параллельно были обнаружены 268 новых сплавов — без единого физического испытания.
2. Автономные лаборатории
Автономные лаборатории, где ИИ самостоятельно планирует и проводит эксперименты в замкнутом цикле, становятся реальностью. Такие системы позволяют значительно сократить время на проведение исследований и повысить их эффективность. Например, в биомедицинских исследованиях автономные лаборатории могут проводить тысячи экспериментов одновременно, что увеличивает скорость открытия новых лекарств. Так ученые Массачусетского технологического института с помощью ИИ за несколько месяцев нашли антибиотик от MRSA. Препарат успешно прошел испытание на мышах и готовится к коммерциализации. Национальная лаборатория Лоуренса в Беркли активно развивает технологии автономных лабораторий, использующих искусственный интеллект и робототехнику для проведения исследований. В частности, их автономная лаборатория A-Lab открыла и произвела более 40 новых материалов.
3. ИИ-роботы для рутинной работы
Синергия искусственного интеллекта и робототехники позволяет автоматизировать опасные и рутинные эксперименты. В биологии и медицине, например, автоматизированные платформы для ПЦР-анализа, пробоподготовки NGS-секвенирования и экстракции биомолекул освобождают исследователей от рутинных операций и способны снизить время выполнения стандартных процедур на
4. Фундаментальные и интерпретируемые мультимодальные системы
Современные ИИ-платформы научились работать одновременно с разными типами данных — текстом, изображениями, числовыми показателями, обеспечивая точность предсказаний до 95%. В медицине такие системы анализируют МРТ-снимки или рентген и соотносят их с симптомами из медицинской карты, на 30% освобождая ресурсы врачей. Это позволяет врачам быстрее принимать решения. Важной особенностью стала прозрачность принимаемых решений, что критически важно для научных публикаций, где каждый вывод должен быть обоснован.
Важную роль в развитии и внедрении искусственного интеллекта в научную деятельность играют меры господдержки. На базе ведущих российских вузов реализуются программы исследовательских центров в сфере искусственного интеллекта.
«С момента создания в 2023 году наш ЦИИ не только ведёт передовые научные исследования, но и активно внедряет их в практику. Мы фокусируемся на применении искусственного интеллекта в строительстве и городском хозяйстве, и уже сегодня наши разработки помогают решать реальные задачи в партнёрстве с крупными компаниями. Другой важный вектор деятельности — подготовка специалистов, способных работать с ИИ на стыке науки и индустрии. Поэтому мы стремимся к тому, чтобы наши проекты приносили не только академическую пользу, но и конкретные результаты для экономики и общества», — подчеркивает директор Исследовательского центра в сфере искусственного интеллекта Новосибирского государственного университета (НГУ) Александр Люлько.
«Искусственный интеллект все активнее проникает в науку и уже стал незаменимым инструментом для эффективной обработки больших объемов информации. Для того, чтобы реализовать потенциал ИИ для фундаментальных и прикладных исследований и сделать его ключевым инструментом для современных команд дата-сайентистов и ученых, необходима надежная и гибкая инфраструктура, включающая высокие вычислительные мощности, ИИ-сервисы и пользовательские инструменты. В нашем портфеле представлены готовые комплексные решения, позволяющие в короткие сроки развернуть локальную ИИ-инфраструктуру, которая обеспечивает контроль над данными, безопасность ИИ-моделей, гибкую подстройку под задачи и интеграцию с существующей ИТ-средой», — подчеркивает руководитель направления ИТ-инфраструктуры К2Тех Алексей Зотов.
Источник: Пресс-служба компании К2Тех
