Совместное исследование OpenAI и академических институтов показало, что ИИ-агенты способны ускорить модернизацию устаревшего научного программного обеспечения до 60 раз. Несмотря на высокую эффективность в написании кода, системы склонны к уверенным, но фактическим ошибкам. В результате основной фокус работы исследователей смещается с процесса написания кода на верификацию научной корректности полученных результатов.
Использование ИИ-агентов позволяет автоматизировать рутинные задачи по рефакторингу и обновлению библиотек, которые годами оставались без поддержки. Это значительно снижает порог входа для работы со сложными исследовательскими инструментами. Однако эксперты отмечают, что ИИ-модели демонстрируют «красноречивую и убедительную» аргументацию, которая может скрыть логические провалы в научных вычислениях.
Основная проблема заключается в том, что ИИ не обладает глубоким пониманием предметной области на уровне эксперта-ученого. Хотя агент может успешно переписать алгоритм на более современный язык программирования, он не способен оценить, сохраняет ли новый код исходную научную методологию и точность расчетов. Это создает риски появления скрытых багов, которые могут исказить результаты исследований.
Ключевые факты
- ИИ-агенты обеспечили ускорение процессов модернизации научного ПО до 60 раз.
- Основным барьером внедрения остается склонность моделей к «уверенным, но ошибочным» утверждениям.
- Исследователи подтвердили, что время, сэкономленное на написании кода, перераспределяется в пользу ручной проверки научной достоверности.
- Проект реализован при участии OpenAI и ряда академических партнеров для оценки применимости LLM в научной среде.