BootLoops помогла подготовить 36 научных препринтов — Science News
Набор инструментов искусственного интеллекта BootLoops в сочетании с языковой моделью Claude помог исследователям за три месяца подготовить 36 препринтов в различных областях науки — от физики и лингвистики до экологии и политики здравоохранения. Как сообщает Science News, система искала нерешенные задачи в разных дисциплинах, имеющие схожую математическую структуру, и применяла к ним методы из математики, физики или информатики.
От интегралов к эволюционным деревьям
BootLoops разработал физик Гарвардского университета и приглашенный исследователь Anthropic Мэтью Шварц. Сначала он поручил модели Claude написать код для решения определенного типа интегралов, используемых в теоретическом анализе столкновений частиц высоких энергий. Система проанализировала научные статьи и создала программное обеспечение для решения 30 таких интегралов, 15 из которых ранее не были решены.
В одном из препринтов, подготовленном совместно с эволюционным биологом Скоттом Эдвардсом, инструмент применили в филогенетике. Он рассчитал, что две возможные схемы эволюционного родства людей, шимпанзе, горилл и орангутанов имеют абсолютно одинаковую вероятность. Предыдущие методы оценки не позволяли установить это точно.
Больше актуальных новостей — в Telegram-канале UA.News Telegram.
Medicare и лингвистика
Еще один препринт предлагает более точный способ ранжирования планов медицинского страхования в американской программе Medicare. Авторы указывают, что применение рассчитанных системой оптимальных границ для пяти рейтингов потенциально могло бы сэкономить налогоплательщикам примерно 1 млрд долларов в 2025–2027 годах.
В лингвистическом проекте агенты ИИ собрали стандартизированный каталог систем ударения и тонов языков. База данных ACCSTACK охватывает более 6 тысяч языков и более чем в восемь раз превышает предыдущий крупнейший набор такого типа.
В то же время ученые предупреждают, что BootLoops требует значительного человеческого контроля и экспертной оценки. По словам Шварца, языковая модель может определять, что она способна вычислить, однако не всегда понимает, какие вопросы действительно важны для конкретной научной области. Инструмент также склонен опираться на более старые и часто цитируемые исследования, что может сужать круг тем для поиска.
