В этом контексте в «Коммерсанте» вышел материал о том, как ученые осваивают ИИ для решения прикладных задач.
Так, Мария Смирнова совместно с группой исследователей под руководством профессора Ивана Кулакова из Сколтеха хочет применить ML-метод для поиска геотермальных источников на Камчатке и Курилах. Сейчас это делают вручную, измеряя сейсмические волны с разных точек поверхности вулканически активных регионов. Так как сейсмоволны распространяются с разной скоростью в обычных породах коры и в местах, где к поверхности подходят геотермальные воды, можно найти зоны, где даже неглубокое бурение позволит построить геотермальную тепловую станцию.
У ГеоЭС много преимуществ в сравнении с другими: нет нужды в непростом и дорогом завозе топлива с «большой земли», выработка стабильна 24 часа в сутки круглый год, чего нет у СЭС и ВЭС. Но есть и сложность: анализ сейсмограмм вручную занимает много времени и требует участия квалифицированных геофизиков. Автоматизация поиска таких зон с помощью ИИ в перспективе должна находить участки для бурения намного быстрее и точнее.
Другой пример того, как исследователи планируют применить ML-методы для поиска закономерностей в больших данных – проект Дарьи Неверовой из Математического института им. С. М. Никольского РУДН по эпидемиологии. Эта наука использует математические модели давно, но COVID-19 показал, что такое моделирование чрезмерно упрощает реальные процессы распространения инфекций.
Там, где матмоделирование показывало быстрое распространение эпидемии или других инфекций, реальная скорость заболевания была другой: например, она резко снижалась, когда люди начинали пользоваться масками. Нейросети же предположительно смогут вычленять закономерности из набора данных, даже если они не описаны математически исследователями. Таким образом, есть шанс вывести прогнозирование инфекций на новый уровень, сделать его гибким, детализированным и адаптированным к реальной жизни.
ИИ в область естественных наук внедряют по всему миру. В прошлом году данные телескопа «Хаббл», пропущенные через нейросети и обученные на поиск аномалий, позволили быстро выявить около 800 необычных астрономических объектов. Среди них были и «маленькие красные точки», о неоднозначной природе которых неоднократно писало наше издание. По данным опросов, в прошлом году уже 87% ученых по всему миру применяли большие языковые модели в своей работе.
ИИ в науке эффективнее всего работает в руках экспертов, которые совмещают знания в своей предметной области с компетенциями в машинном обучении. Для получения последних исследователям нужно специальное образование. Над проектами, про которые написали в Коммерсанте, работают студенты специального трека Школы анализа данных Яндекса – там ученые осваивают ИИ на прикладных задачах в своих областях. На программу сейчас открыт набор.