BeInCrypto спілкувався з Співзасновник YesNoError Метт Шліхт і генеральний директор Mira Network Магнус Братт, щоб зрозуміти, як штучний інтелект (AI) і децентралізована наука (DeSci) поєднуються, щоб трансформувати рецензовані наукові процеси.
Ціна помилкового контролю
Навіть найрозумніші люди роблять помилки. Коли мова йде про науку, ці помилки можуть мати величезні наслідки. Історія – як нещодавня, так і давня – знову й знову доводить це.
У 1998 році NASA запустило Mars Climate Orbiter для вивчення атмосфери планети. Проект передбачав інвестиції в 125 мільйонів доларів і майже 10 місяців подорожі, щоб дістатися туди.
Після прибуття орбітальний апарат згорів і зламався, і NASA незабаром визнало місію невдалою. Найбільше вразило те, що невдача місії була пов’язана з простою помилкою навігації.
Навігаційна група під керівництвом Лабораторії реактивного руху (JPL) використовувала метричні одиниці у своїх розрахунках. Тим часом компанія Lockheed Martin Astronautics, розробник і конструктор космічного корабля, надала важливі дані про прискорення в англійських одиницях.
Нездатність Lockheed Martin перетворити англійські одиниці в метричну систему пояснила критичну помилку, через яку космічний корабель наблизився до Марса надто близько й згорів після прибуття.
“Традиційне експертне оцінювання за своєю суттю обмежується людськими помилками та суб’єктивністю. Рецензенти можуть не помічати критичні методологічні недоліки чи статистичні помилки через індивідуальні упередження, конфлікт інтересів або просто обмеження ручної перевірки”, – сказав Бретт BeInCrypto.
Подальші дослідження виявили, що відсутність ретельної незалежної експертної перевірки навігаційних розрахунків сприяла тому, що помилки перетворення одиниць залишалися непоміченими. Проте нещодавно були випадки, коли механізми експертної перевірки не спромоглися вирішити такі прості помилки.
Нещодавній випадок людської помилки в науці
Одна з останніх подій, яка говорить про масштаб людської помилки в рецензованих наукових дослідженнях, сталася минулого року. У жовтні дослідження, опубліковане в журналі хімії навколишнього середовища Chemosphere, виявило, що електронні антипірени присутні в деяких побутових виробах із чорного пластику, наприклад кухонному посуді.
Це дослідження викликало численні повідомлення в ЗМІ, зокрема статті в таких виданнях, як The Atlantic і National Geographic, у яких споживачів закликали відмовитися від чорного пластикового кухонного начиння. Це також викликало шалену громадську стурбованість у соціальних мережах.
Однак у грудні за 30 центів за 30 секунд запит OpenAI, який переглядав результати дослідження, виявив, що автори пропустили нуль.
«Ми неправильно розрахували референсну дозу для дорослої людини вагою 60 кг, спочатку оцінивши її в 42 000 нг/день замість правильного значення 420 000 нг/день», — йдеться у виправленні.
Оригінальне дослідження містило значну помилку з коефіцієнтом 10, де встановлено, що заданий вплив становить 80% від дозволеної межі для певного токсину, тоді як він становив лише 8%.Іншими словами, ця помилка значно переоцінила вплив цих токсинів.
“Я б сказав, що дуже очевидним обмеженням експертної оцінки є те, що люди роблять помилки. Це надзвичайно розумні люди. Це було опубліковано скрізь. Це тривало два місяці, і мільйони людей бачили цю статтю, але ніхто цього не помітив. Виявляється, якщо ви візьмете цей документ і надішлете його до останньої моделі OpenAI, ви просто скажете: “Привіт, чи є в цьому документі якісь помилки?” Приблизно 30 центів, а через 30 секунд одразу скаже «так», — сказав Шліхт.
У відповідь на ці події прихильники штучного інтелекту та DeSci помітили ці недоліки традиційних підходів до науки.
Переосмислення експертної оцінки за допомогою штучного інтелекту та DeSci
Концепція експертна оцінка існує протягом століть. З моменту створення він зазнав кількох змін.
“Рецензування не завжди було формальним анонімним процесом, який ми знаємо сьогодні. На початку появи наукових журналів (середина 1600-х років) редактори, як-от Генрі Ольденбург із Королівського товариства, вирішували, що публікувати, не консультуючись із зовнішніми експертами. У 18-му та 19-му століттях, у міру розширення наукових спільнот, неформальні дискусії та внутрішні оцінки поступово перетворилися на більш систематичну практику. До У середині 20-го сторіччя, коли результати досліджень вибухнули, журнали прийняли структуроване зовнішнє рецензування (часто з анонімними рецензентами), щоб підтримувати якість і справедливість. Сьогодні ми бачимо цілий ряд моделей — від одинарних і подвійних сліпих рецензій до відкритих рецензій і рецензій після публікації — що відображає постійні зусилля збалансувати прозорість, ефективність і строгість у швидко зростаючому науковому середовищі», — Братт. пояснюється.
DeSci розпочав пошук технологічних рішень Web3 для вирішення критичних проблем, які виникають у рамках традиційного підходу до наукових досліджень. У результаті агенти штучного інтелекту стали очевидним рішенням потенційно згубних наслідків людської помилки для механізмів експертної оцінки.
“Штучний інтелект може автоматично позначати помилки, невідповідності та плагіат, зіставляючи рукописи з найбільш підходящими рецензентами, допомагаючи зменшити упередженість і полегшити робоче навантаження на рецензентів. Децентралізовані наукові платформи, що використовують блокчейн або подібні технології, можуть прозоро записувати історію рецензій і забезпечувати краудсорсингове оцінювання, підвищуючи підзвітність і довіру. Разом ці інструменти оптимізують і покращують рецензування, гарантуючи швидший і надійніший контроль якості», – додав він.
Ці нові технології також зробили внесок у науковий огляд більш доступним.
“Децентралізована наука та штучний інтелект можуть надзвичайно допомогти експертним оцінкам, знизивши вартість експертної оцінки, дозволивши штучному інтелекту робити це за невелику частку вартості та з набагато вищою швидкістю. DeSci може надати кожному можливість миттєво проводити нескінченну кількість експертних оцінок”, – сказав Шліхт.
Ефективність, швидкість, децентралізація та скорочення витрат можуть відкрити нові шляхи для вирішення складних наукових проблем, які досі не піддавалися розв’язанню.
Прискорення наукового прогресу за допомогою AI
Нові технології, такі як AI, пропонують багатообіцяючі нові підходи до складних наукових проблем, зокрема дослідження раку, довголіття людини та хвороби Альцгеймера.
Завдяки століттям людських досліджень сьогодні в журналах по всьому світу публікуються мільйони наукових статей, що перетворюється на величезну кількість даних. Агенти штучного інтелекту можуть зберігати, фільтрувати та аналізувати наявні набори даних зі швидкістю, яка сьогодні недоступна людині.
“Штучний інтелект трансформує дослідження раку та має величезні перспективи для прискорення відкриття ефективних методів лікування. Інструменти штучного інтелекту вже виявилися безцінними, швидко аналізуючи величезні набори даних, щоб виявити генетичні маркери та нові лікарські мішені, моделюючи, як розвиваються ракові захворювання, і навіть пропонуючи інноваційні комбінації лікування. Ці прориви не тільки прискорюють ранні фази відкриття, але й оптимізують клінічні планування випробувань і прогнозування відповідей пацієнтів із зростаючою точністю. У той час як рак залишається складним набором захворювань, зростаючий вплив штучного інтелекту робить мету лікування дедалі більш досяжною та надихає всю дослідницьку спільноту», — сказав Братт BeInCrypto.
YesNoError (YNE) Шліхта створив білий документ для децентралізованої ініціативи, яка використовує передові великі мовні моделі (LLM) для систематичного аудиту всієї існуючої наукової літератури. Токен YNE побудовано на економічній моделі, у якій власники токенів можуть голосувати за те, які проекти мають отримати пріоритет.
Агенти ШІ відповідають за помилки сканування, починаючи від простих помилок у розрахунках і закінчуючи фальсифікацією даних. Більш широкою метою проекту є розробка інструменту для перевірки наукових тверджень, доступного для дослідників, установ і громадськості.
«Скільки наукових робіт написано про довголіття? Скажімо, це один мільйон. Скажімо, що ви — лабораторія, зосереджена на довголіття. Розмір вашої команди, який з людської точки зору буде потрібний не тільки для простого прочитання мільйона документів, але й для їх точного аналізу та синтезу цих даних, неможливий у людському масштабі. Але коли ви починаєте розробляти систему на основі штучного інтелекту, яка може прочитати мільйон документів практично миттєво, ви можете оркеструвати ці штучні інтелекти, щоб вони дійшли висновків, повернулися із синтезованою інформацією, а потім передали це команді людей. Тож це дуже чіткий спосіб, де Штучний інтелект може допомогти в досягненні прориву в довголітті або будь-якій іншій науковій меті», – сказав Шліхт.
Інші великі гравці починають вловлювати цю дедалі популярнішу тенденцію. Дослідники Advanced Micro Devices (AMD) і Університету Джонса Гопкінса нещодавно розробили Agent Laboratory. Ця структура штучного інтелекту розроблена для автоматизації ключових частин наукових досліджень.
Ця система використовує великі мовні моделі для проведення оглядів літератури, проектування експериментів і створення звітів, включаючи код і документацію. Однак він не децентралізований і не базується на моделі токенів. Початкові результати свідчать про те, що структура може скоротити витрати на дослідження на 84% порівняно з іншими автоматизованими методами без шкоди для якості дослідження.
Однак, якщо інші проекти в секторі криптографії мають намір розробляти подібні проекти, ШІ в DeSci зрештою може мати багатообіцяюче майбутнє.
DeSci’s Bright Outlook
За даними CoinGecko, ринкова капіталізація DeSci на момент написання статті становить 1,05 мільярда доларів. Протягом останнього року сектор продемонстрував стабільне зростання та постійні інновації. Багато з нових проектів швидко стали основними гравцями.
Найпопулярніші децентралізовані наукові монети (DeSci) за ринковою капіталізацією. Джерело: CoinGecko.
Шліхт і Братт прогнозують, що розмір ринку децентралізованої науки зростатиме експоненціально.
«Я думаю, що через 10 років ринкова капіталізація DeSci може перевищити поточну в 10 000 разів. Завдяки поєднанню штучного інтелекту, децентралізації та токенів наука збирається експоненціально збільшувати кількість проривів», — сказав Шліхт.
До цього Бретт додав:
«У разі успіху він може легко стати 5-10% світового ринку наукових досліджень, який уже обчислюється трильйонами».
Однак вони також очікують, що DeSci зіткнеться з опором традиційних медичних і наукових лобі.
Зіткнувшись зі статус-кво
У той час як наукові дослідження можна фінансувати через гранти від різних урядові установи, установи та фонди, здебільшого фінансується приватними корпораціями.
У звіті Каліфорнійського університету в Лос-Анджелесі за 2023 рік зазначено, що майже 80% із приблизно 57 мільярдів доларів США, витрачених на дослідження раку в США у 2021 році, надійшло від приватного сектору, насамперед від великих фармацевтичних компаній. Він також повідомив про обмежений обмін результатами досліджень.
«Існують особисті інтереси, які можуть лобіювати заборону такої ринкової діяльності, щоб захистити діючих гравців», — сказав Братт.
Для Шліхта DeSci відкриває можливість кинути виклик приватним інтересам.
«Раніше корпорації могли контролювати, які дослідження фінансуються. DeSci порушує це і дозволяє будь-кому отримати фінансування, якщо люди вважають, що їх ідея хороша», – сказав він.
Оскільки технологія блокчейн забезпечує анонімність і надає пріоритет конфіденційності, він стверджує, що новаторів буде важче відстежити.
«Я не вірю, що лобісти зможуть зупинити DeSci. Наступний Ейнштейн може бути анонімним. Це може бути хтось із аватаром пінгвіна чи зображенням профілю жаби. Це може бути хтось із профілем NFT і купою цифр у своєму імені. Лобісти навіть не можуть їх знайти, тому що вони не знають, хто вони такі, і вони фінансуються децентралізовано. У них навіть є команда інших людей під псевдонімами, які працюють з ними, як люди, так і штучний інтелект”, – сказав Шліхт.
Але перш ніж подумати про потенційне суперництво між традиційними медичними лобістами та інноваторами в децентралізованої науки, DeSci все ще знаходиться на шляху до зрілості.
Зрештою, конвергенція ШІ та децентралізованої науки пропонує потужну нову парадигму для наукових досліджень. Ця можливість має потенціал для підвищення надійності та ефективності експертної оцінки, демократизації доступу до фінансування та прискорення проривів у різних наукових сферах.
Моніторинг прогресу штучного інтелекту та децентралізованої науки буде важливим для відповідальної інтеграції цих технологій у наукові дослідження.
