Может ли ИИ произвести революцию в разработке материалов?

Хайп об ИИ в исследовании материалов

Судя по последним заголовкам, легко предположить, что ИИ решит главные глобальные проблемы. Однако это может быть переоценкой.

На этой неделе вышел пакет Коррекция Хайпа, который анализирует реальные возможности ИИ в сравнении с ожиданиями. Одна важная история подчеркивает потенциал ИИ в трансформации исследований материалов, особенно для климатических технологий, включая новшества в батареях и полупроводниках.

Проблема создания новых материалов

Создание новых материалов по своей сути сложно и часто медленно. Например, пластик был впервые синтезирован в 1907 году, но его коммерциализация произошла только в 1950-х, что демонстрирует долгий цикл инноваций.

За последние несколько десятилетий крупных прорывов в материаловедении было немного. Дэвид Ротман, освещающий эту область почти 40 лет, отмечает, что литий-ионные батареи являются одним из немногих значительных нововведений за это время.

Может ли ИИ изменить ситуацию?

Вопрос остается: может ли ИИ ускорить открытие материалов? Компании, такие как Lila Sciences, находятся на переднем крае, используя модели ИИ для анализа существующей литературы и соединяя их с автоматизированными лабораториями. Эта интеграция направлена на упрощение итеративного процесса изобретения материалов и выявление новых идей.

Мнения экспертов

На одном из мероприятий MIT Technology Review Рафаэль Гомес-Бомбариелли, соучредитель Lila, говорил о их успехах. Хотя исследования ИИ в области материалов еще не достигли революционного момента, предполагается, что инсайты, полученные от моделей ИИ, могут быть столь же глубокими или даже глубже, чем у экспертов. Гомес-Бомбариелли добавил, что в будущем ИИ и научное мышление человека могут расходиться, что приведет к новому пониманию исследований материалов.

Дорога впереди

Оптимизм присутствует, но значительные проблемы остаются. Преобразование теоретических предложений от ИИ в реальные, инновационные материалы — это серьезное препятствие. Возбуждение вокруг потенциала ИИ в материаловедении должно быть сбалансировано с реалистичными ожиданиями.

Например, несмотря на заявление DeepMind от Google о использовании ИИ для предсказания многочисленных новых материалов, критики отметили, что многие из них были всего лишь производными известных веществ или не могли существовать при нормальных условиях.

В заключение, хотя ИИ имеет потенциал для революционных изменений в открытии материалов, сейчас необходимо проявлять осторожность. Реалистичный подход к возможностям ИИ напоминает нам о том, что хайп часто необходимо сбалансировать с ощутимыми результатами.