Чому це відбувається

Штучний інтелект вже перевершує людей у формальних завданнях — математичних обчисленнях, статистичному аналізі та розпізнаванні образів. Та на передньому краї науки — там, де ще немає відповідей і не написані підручники — алгоритми губляться. Причина, на думку когнітивної вченої Мелані Мітчелл (Melanie Mitchell) із Санта-Фе інституту, проста: великі мовні моделі не можуть ставити правильні запитання, бо не мають тіла і не взаємодіють зі світом активно. Вони отримують дані і обробляють їх — на відміну від людини, яка навчається через дію та експеримент.

Саме людська інтуїція дозволяє науковцям орієнтуватися в невідомому. Засновник новозеландського ядерного стартапу OpenStar Technologies Рату Матаіра (Ratu Mataira) пояснює: «Коли ти справді працюєш на передньому краю невідомого, інтуїція має відігравати роль, адже інструкції ще не написані». Його команда розробляє термоядерний реактор із левітуючим магнітом, і саме інтуїтивні міркування — зокрема аналогія між поведінкою плазми і утворенням туману — допомагають формулювати нові гіпотези.

Хто відповідає

Питання про роль людини в науці епохи ШІ обговорюється серед когнітивних вчених, фізиків і розробників систем машинного навчання. Зокрема, Руейрі Баттлдей (Ruairidh Battleday) із Центру мозку та когніції Гарварду зазначає: «Великі вчені якимось чином зберігають початкову мотивацію і енергію від першого нарису ідеї до фінальної публікації». Саме ця здатність — утримувати творчий імпульс через роки роботи — є суто людською.

Що роблять зараз

Дослідники активно шукають способи поєднати можливості ШІ з людською інтуїцією. Фізик-квантовий інженер Керрі Вайднер (Carrie Weidner) із Бристольського університету разом із датськими колегами розробляла «квантові ігри» — інтерактивні симулятори, що дозволяють гравцям відчути логіку квантової механіки на практиці. Такий підхід демонструє: інтуїцію можна тренувати навіть у царинах, далеких від повсякденного досвіду.

Паралельно тривають дискусії про те, як зберегти людський контроль над науковим процесом в умовах зростаючої автоматизації. Мітчелл підкреслює, що ШІ-системи можуть ідентифікувати аномалії в даних, але завжди потребують людини, яка сформулює питання — і запропонує механізм пояснення.

Чому це важливо знати

Дискусія виходить далеко за межі академічного середовища. Якщо ми передаємо дедалі більше наукових функцій алгоритмам — від рецензування статей до пошуку аномалій у даних — ризик полягає в тому, що наука перетвориться на пошук кореляцій без розуміння причин. Як ми раніше писали, ШІ-системи вже зараз посилюють «ефект Матвія» в науці: алгоритми рекомендують переважно вже відомі, високоцитовані роботи, залишаючи поза увагою нові ідеї.

Важлива й інша небезпека — деградація когнітивних навичок. Як ми писали, коли люди делегують дедалі більше розумових завдань ШІ, вони поступово втрачають здатність думати самостійно. Для науки це критично: ШІ не знає, що він лише «нащупує» щось реальне, а не знає напевно — натомість людський вчений розуміє межу між здогадом і доведеним фактом, і саме це розрізнення рухає науку вперед.

Матаіра резюмує це точно: «Коли ми робимо інтуїтивні стрибки і намагаємося побудувати під них логіку, ми знаємо, що нащупуємо щось реальне і сподіваємося колись це підтвердити. Але я не думаю, що ШІ знає, що він лише нащупує».

Раніше ми писали

Про складні стосунки між людиною і штучним інтелектом ми писали неодноразово. У лютому 2026 року ми розповідали, як впровадження ШІ на робочих місцях не скорочує навантаження, а навпаки — інтенсифікує його. Також ми аналізували десять нових викликів, які ШІ створює для суспільства, економіки та когнітивних здібностей людини.