От генеративных моделей до автономных лабораторий — ИИ меняет не только бизнес, но и фундаментальную науку

Генеративные модели сокращают путь от гипотезы до открытия

Генеративный ИИ больше не просто подсказывает идеи — он заменяет десятилетия стендовых испытаний. Так, в 2025 году платформа GNoME от Google DeepMind предсказала 2,2 миллиона новых кристаллических структур. Из них 381 тысяча признаны термодинамически стабильными — в восемь раз больше, чем было известно ранее. Всё это — без единого физического эксперимента.

С помощью генеративных ИИ-моделей также удалось открыть 268 сплавов, не потратив ни одного грамма материалов. Такие инструменты уже работают в материаловедении, биотехнологии, химии и фарме — и дают экономию не только по времени, но и по стоимости исследований.

Автономные лаборатории начинают работать без человека

ИИ-системы научились не только анализировать данные, но и проводить эксперименты в замкнутом цикле — от гипотезы до результата. В MIT с их помощью за несколько месяцев нашли антибиотик от устойчивого штамма MRSA — он прошёл испытания на животных и движется к коммерциализации.

Национальная лаборатория Лоуренса в Беркли развивает автономную платформу A-Lab, которая уже открыла более 40 новых материалов. А в медицине такие лаборатории одновременно тестируют тысячи гипотез, ускоряя процесс поиска новых препаратов в десятки раз.

Роботы берут на себя рутину, опасность и однообразие

ИИ-комплексы с функцией робототехники заменяют исследователей в зонах риска — высокие температуры, токсичные среды, стерильные биомодули. Автоматизированные ПЦР-системы, NGS-платформы и станции экстракции биомолекул снижают время проведения процедур до 80% и повышают точность результатов.

В медицине и фарме это меняет ритм всей лабораторной работы: исследователь больше не делает руками — он ставит задачу, а робот сам отрабатывает протокол.

Мультимодальные ИИ-платформы работают сразу с текстом, числами и изображениями

Новая волна ИИ-систем научилась одновременно обрабатывать разные типы входящих данных. В медицине такие платформы объединяют визуальную диагностику (например, МРТ), историю болезни и лабораторные показатели — и выдают рекомендации с точностью до 95%. Это позволяет освободить врачей от рутинной интерпретации и ускоряет принятие решений.

Для науки это особенно важно из-за требований к обоснованности: каждая гипотеза, каждая публикация должна быть прозрачна и верифицируема. Интерпретируемость — ключевое преимущество таких систем.

Господдержка и локальные инициативы начинают разворачиваться

На базе ведущих российских вузов запущены исследовательские AI-центры, в том числе в НГУ. Там с 2023 года работает суперкомпьютер «Оракул», развёрнутый при участии К2 НейроТех. Машина помогает разрабатывать новые конструкционные материалы и сокращает срок от идеи до опытного образца за счёт высокопроизводительных расчётов и машинного обучения.

Инфраструктура под науку: в фокусе — скорость, безопасность, локализация

К2 НейроТех предлагает комплексные решения — от проектирования и развёртывания AI-кластеров до масштабирования под задачи дата-сайентистов и научных групп. Все решения — на российском оборудовании и в соответствии с требованиями Минцифры и Минпромторга. Под капотом — программно-аппаратные комплексы ПАК-HPC, ПАК-ML и ПАК-AI с минимальным сроком внедрения.

Что это даёт рынку

ИИ перестал быть дорогой игрушкой для хайпа и стал системным инструментом, который ускоряет науку, снижает издержки и открывает новые горизонты. В мире он уже нормален. Задача — сделать это нормой и для российской академии.

Фото: John Eder / Getty Images