Компания Microsoft представила на конференции Build 2025 новую платформу Microsoft Discovery, призванную ускорить научные исследования с помощью ИИ-агентов. Платформа предназначена для работы с полным циклом исследований: от анализа научных данных и формулирования гипотез до генерации вариантов экспериментов, моделирования и анализа результатов. Она позволит учёным сотрудничать с командой специализированных AI-агентов, что, по утверждению Microsoft, позволит повысить скорость, масштабируемость и точность научных исследований за счёт использования последних достижений в области искусственного интеллекта и суперкомпьютеров.

Анонс Microsoft Discovery — не изолированный случай. Ещё в начале 2025 года Google представила своего «AI-соавтора», предназначенного для помощи учёным в создании гипотез и планов исследований. Несколько компаний, включая Anthropic, OpenAI, FutureHouse и Lila Sciences, также заявляют о потенциале AI для значительного ускорения научных открытий, особенно в медицине.

Однако многие исследователи по-прежнему скептически относятся к использованию современных AI-систем в научном процессе, главным образом из-за их ненадёжности. Создание эффективного «AI-учёного» сталкивается с трудностями, связанными с непредсказуемым количеством влияющих факторов. Хотя AI может быть полезен для поиска среди огромного количества данных и сужения круга потенциальных решений, его способность к нестандартному мышлению и прорывным открытиям пока остаётся под вопросом.

Результаты применения AI в науке пока неоднозначны. Например, в 2023 году Google заявила о синтезе около 40 новых материалов с помощью своего AI GNoME, однако независимый анализ показал, что ни один из этих материалов не был действительно новым. Аналогично, ряд компаний, использующих AI в разработке лекарственных препаратов, таких как Exscientia и BenevolentAI, столкнулись с громкими неудачами на этапе клинических испытаний.

Microsoft надеется, что её платформа покажет лучшие результаты, чем её предшественники. Успех Microsoft Discovery будет во многом зависеть от способности платформы учитывать сложность научного процесса и преодолевать ограничения современных алгоритмов искусственного интеллекта.