U dugi povijesni period znanost je bila vođena neiscrpnom znatiželjom. Od rane fascinacije atomima koja je dovela do kvantne mehanike, do praktične iznajdljivosti koja je pretvorila parni stroj u temelj industrije, međusobna povezanost temeljnih istraživanja i primijenjene tehnologije stalno je mijenjala naš svijet. Danas se na raskrižju umjetne inteligencije i matematičkih i fizikalnih znanosti pojavljuje nova granica. Trenutni porast interesa za umjetnu inteligenciju nije slučajan; on je rezultat desetljeća istraživanja u matematici, fizici, hemiji i srodnim područjima koja su osigurala složena pitanja, bogata skupova podataka i teorijske uvide koji su ključni za moderno strojno učenje.
U 2024. godini Nobelove nagrade u fizici i hemiji naglasile su duboku povezanost između umjetne inteligencije i znanosti. Nagrada u fizici pohvalila je temeljne metode umjetne inteligencije zasnovane na fizikalnim principima, dok je nagrada u hemiji proslavila otkrića u dizajnu proteina potaknuta umjetnom inteligencijom. Ovi priznanja učinila su neizbježnim da se prepozna simbiotski odnos između umjetne inteligencije i znanosti.
MITova radionica 2025: ključni ciljevi i sudionici
MIT je u 2025. organizirao landmark Workshop on the Future of AI+MPS, financiran od strane Nacionalne znanstvene fondacije i podržan od strane MIT-ove škole znanosti te odjela fizike, hemije i matematike. Radionica je okupila vodeće istraživače iz pet različitih znanstvenih zajednica – astronomije, hemije, materijalnih znanosti, matematike i fizike – kako bi zajedno razmotrili kako matematičke i fizikalne znanosti mogu i trebaju doprinijeti sljedećoj valovnoj inovaciji u umjetnoj inteligenciji.
Teme koje su se istaknule
Jesse Thaler, MIT profesor fizike i predsjednik radionice, istaknuo je tri ključne teme koje su se pojavile tijekom diskusija:
- Interdisciplinarna suradnja kao katalizator – Sudionici naglasili su da se najčešće najveći napredak događa na granicama disciplina. Kombiniranjem stručnosti iz različitih područja s najnovijim AI tehnikama, istraživači mogu rješavati složene znanstvene probleme.
- Podaci kao temelj znanosti – Kvalitetni, dobro strukturirani podaci ključni su za razvoj pouzdanih modela. Radionica je potaknula razvoj zajedničkih standarda za prikupljanje i dijeljenje podataka u znanstvenim zajednicama.
- Etika i odgovornost u AI‑znanosti – Sudionici su raspravljali o važnosti etičkog okvira za primjenu AI u eksperimentalnim i teorijskim istraživanjima, kako bi se izbjegle potencijalne štete i osiguralo poštivanje znanstvenih principa.
Primjeri praktične primjene AI u znanosti
Radionica je također predstavila nekoliko konkretnih primjera kako je AI već transformirao znanstvene discipline:
- Astrofizika – Algoritmi dubokog učenja koriste se za automatsko prepoznavanje i klasifikaciju galaksija u velikim slikovnim bazama podataka, što znatno ubrzava istraživanje kosmičkih struktura.
- Hemijska sinteza – AI modeli predviđaju optimalne uvjete za sintezu novih spojeva, čime se smanjuje potreba za eksperimentalnim eksperimentima i ubrzava otkriće lijekova.
- Materijalna znanost – Generativni modeli predviđaju svojstva novih materijala na temelju njihovih struktura, što omogućuje brže dizajniranje materijala s željenim svojstvima.
- Matematička simulacija – AI se koristi za optimizaciju numeričkih metoda, čime se smanjuje računarski trošak simulacija kompleksnih fizikalnih sustava.
\