Электричество, интеллект, открытие

Алексей Ананьин
Авторская статья. Рабочая редакция от 16 сентября 2026 года.

Есть задачи, которые в нужном масштабе и в нужный срок сегодня можно решать только с помощью искусственного интеллекта. При участии людей, с их знаниями, опытом и ответственностью. Но основную исследовательскую работу в таких задачах приходится передавать интеллекту.

Я говорю об этом в практическом смысле. Нужно одновременно разобрать тысячи работ из разных дисциплин, проверить исходные данные, сопоставить противоречащие друг другу результаты, построить модели и перебрать огромное количество вариантов. Затем повторить всё это с учётом новой информации. Для обычной исследовательской команды такой объём легко выходит за пределы доступного времени и бюджета.

Часть этих задач годами остаётся без движения. Мы даже привыкаем к тому, что на некоторые вопросы ответа пока нет. Появление достаточно сильного исследовательского интеллекта меняет эту ситуацию. Возникает возможность дойти до вопросов, до которых раньше просто не доходили руки.

Для меня особенно интересен свет.

Мы накопили массу вопросов о нём. Есть гипотезы, которые нужно проверить. Есть наблюдения, которым необходимо найти объяснение. Есть эффекты, которые предстоит подтвердить, уточнить или опровергнуть. И есть целый пласт взаимодействий между физикой света, устройством светильника, биологией человека, его поведением и средой, в которой он живёт.

Какой свет нужен конкретному человеку утром? Что происходит с ним после целого дня в помещении? Как вечернее освещение связано со сном? В какой мере меняются внимание, утомляемость и настроение? Как влияет последовательность световых условий за сутки? Как различаются ответы людей одного возраста, людей разных профессий, жителей разных широт?

Каждый из этих вопросов распадается ещё на десятки. Спектр, интенсивность, время воздействия, его продолжительность, пульсация, блики, предшествующая световая история. Затем добавляются возраст, режим работы, сезон, здоровье и индивидуальная чувствительность.

Масштаб различий уже виден в исследованиях. В работах о вечернем свете описаны более чем пятидесятикратные индивидуальные различия в чувствительности подавления мелатонина. Это конкретный физиологический показатель при определённых условиях эксперимента. Он показывает, насколько осторожно нужно переносить усреднённый результат на каждого человека. Исследование о домашнем освещении и сне.

Поэтому меня интересует система, способная постоянно удерживать всю эту сложность и превращать её в проверяемые решения.

Основания для такого подхода уже есть.

В математике система FunSearch нашла новые конструкции для задачи о множествах без трёх точек на одной прямой в определённых конечных пространствах. В одном из связанных экспериментов потребовалось сгенерировать и проверить около двух миллионов программ. Авторы оценили воспроизведение такого объёма вычислений в двое суток и 250-500 кВт·ч. Здесь особенно хорошо видна связь между электричеством, поиском и новым математическим результатом. Речь идёт об оценке вычислительного эксперимента, с отдельными условиями воспроизведения, приведёнными ниже. FunSearch, статья и приложение A.5.

AlphaEvolve нашла алгоритм умножения комплексных матриц размером 4 × 4 за 48 скалярных умножений. Предыдущая известная конструкция в этой постановке требовала 49. За маленькой разницей стоит результат, который можно математически проверить. В другой, инженерной задаче та же система за несколько дней автоматических экспериментов нашла улучшение, ускорившее вычислительное ядро в среднем на 23%. Технический отчёт AlphaEvolve.

В биологии AlphaFold позволила построить предсказания структур более двадцати тысяч человеческих белков в одной вычислительной программе. Авторы раскрыли её объём: 930 суток работы одного графического ускорителя в суммарном исчислении. Такой учёт позволяет хотя бы приблизительно оценить энергетический масштаб расчёта. При этом предсказание структуры и её экспериментальное установление сохраняют разный научный статус. Исследование человеческого протеома.

Google AI co-scientist за двое суток предложила гипотезу о механизме переноса генетических элементов между бактериями, совпавшую с результатом независимого экспериментального исследования. За этими двумя сутками стояли уже накопленная научная литература и подготовленная людьми постановка вопроса. Экспериментальная проверка механизма оставалась самостоятельной большой работой. Исследование AI co-scientist, раздел 4.7.

Система Kosmos показала следующий масштаб: исследовательский запуск продолжительностью до 12 часов, в среднем около 1 500 прочитанных статей, 42 тысяч строк выполненного кода и примерно 200 запусков агентов. Среди примеров есть восстановление закономерностей производства перовскитных солнечных элементов. Эти показатели усреднены по исследовательским запускам. Они хорошо показывают объём работы, который уже можно передать машине. Исследование Kosmos.

И здесь появляется новая экономика исследования.

Мы можем потратить много электричества за короткое время, чтобы быстро пройти огромный объём интеллектуальной работы. Сопоставить результаты. Найти слабые места в объяснениях. Проверить вычисления. Отбросить часть гипотез. Подготовить несколько вариантов эксперимента и заранее понять, какие измерения помогут различить их результаты.

Электричество становится одним из прямых ресурсов научного поиска. Как время исследователя, оборудование и доступ к данным.

Разумеется, количество потреблённых киловатт-часов само по себе ничего не гарантирует. Полезно считать, сколько обоснованных гипотез получено, сколько ошибок обнаружено и сколько результатов выдержало независимую проверку. Для меня важна стоимость такого результата, включая электричество, человеческий труд и время ожидания.

Если вычислительная установка вместе с обслуживающей инфраструктурой потребляет в среднем 1 МВт и работает 12 часов, это 12 МВт·ч. Простая арифметика. Дальше начинается содержательный вопрос: что мы получили за эту энергию? И сколько ресурсов потребовалось бы для получения сопоставимого результата другим способом?

Так я понимаю научный ренессанс, который становится возможным сейчас. Расширяется круг вопросов, которые вообще разумно ставить. Небольшая команда получает возможность готовить исследование с глубиной, прежде требовавшей существенно больших ресурсов. Между наблюдением и первой серьёзной проверкой гипотезы может проходить гораздо меньше времени.

Особенно важна возможность сократить предварительный перебор на живых системах. Максимум того, что допускает достоверную вычислительную проверку, стоит сделать до перехода к новым опытам и исследованиям с участием людей. Использовать накопленные данные, проверить устойчивость результата, оценить альтернативные объяснения, определить наиболее информативные измерения.

Это позволяет рассчитывать на меньшее число плохо подготовленных экспериментов и более осмысленное участие человека. Биологические модели при этом имеют границы применимости. Их нужно проверять на реальных данных, особенно при переходе к новым условиям.

С точностью ситуация тоже требует предметного разговора. ИИ создаёт возможность резко повысить её на отдельных этапах исследования. Однако качество зависит от данных, модели и организации проверки. Например, в оценке Kosmos эксперты подтвердили 79,4% из 102 проверенных утверждений. Даже впечатляющая скорость оставляет существенный объём работы по выявлению ошибок. Методика и результаты проверки Kosmos.

Поэтому я вижу следующую конфигурацию исследований света.

Сначала интеллект собирает и проверяет знание. Он связывает научные публикации, результаты измерений, характеристики источников света и накопленные наблюдения. Для каждой гипотезы сохраняет основания, противоречия и условия, при которых она должна работать. Отдельно фиксирует, какие данные способны её опровергнуть.

Затем проводится вычислительная работа. Моделируются световые условия, анализируются существующие данные, сравниваются возможные механизмы. Исследователи определяют, какие вопросы уже получили достаточно убедительный ответ и какие требуют новых измерений. На этом этапе можно отсеять немало слабых идей ещё до набора участников.

Следующий шаг связывает расчёты с реальной жизнью. Здесь я вижу огромную роль массового исследования с участием добровольцев, то есть исследовательского краудсорсинга.

Люди сообщают, что происходит с ними: как они спят, насколько легко сосредотачиваются, как меняются настроение и утомляемость. Эти наблюдения сопоставляются с измеренным освещением, временем воздействия и обстоятельствами жизни. По возможности к ним добавляются данные приборов и короткие стандартизированные тесты.

Участнику достаточно понятных вопросов. Во сколько он лёг? Сколько раз просыпался? Насколько бодрым чувствует себя утром? Как справился с заданием на внимание? В каких световых условиях находился вечером? Исследовательская система должна связывать ответы с конкретными условиями и отслеживать изменения во времени.

Масштаб здесь может вырасти до сотен тысяч и миллионов добровольцев. Это целевая конфигурация. Она позволит исследовать различия между группами, которые в небольших выборках часто остаются незаметными, и наблюдать изменения в разных сезонах, климатах и режимах жизни.

Большой объём данных требует хорошего устройства исследования. Самоотбор участников, ожидания, изменение образа жизни и ошибки приборов способны исказить выводы даже при огромной выборке. Этот эффект хорошо известен: крупные опросы иногда дают очень уверенную оценку с большой систематической ошибкой. Исследование о точности больших выборок.

Поэтому массовые наблюдения нужно соединить с заранее подготовленными проверками. Фиксировать основные показатели до анализа результатов. Сравнивать с исходным состоянием. Там, где это уместно, случайным образом распределять участников между допустимыми режимами освещения, использовать контрольные группы и перекрёстные исследования. Повторять выводы на независимых данных. Сохранять случаи отсутствия эффекта и ухудшения.

Если человек сообщает, что стал лучше спать, мы получаем важное наблюдение. Далее нужно выяснить, какую роль сыграл свет, что ещё изменилось и воспроизводится ли результат. Так субъективный опыт становится частью научной работы.

Репродуктивное здоровье я также считаю возможным направлением вопросов и гипотез. Оно требует отдельной исследовательской программы, клинических показателей и участия профильных специалистов. Изменения самочувствия или либидо недостаточны для вывода об улучшении фертильности. Здесь особенно важны добровольность участия, защита чувствительных данных и корректная медицинская проверка.

Интеллект в такой системе получает постоянную обратную связь. Он видит, где предсказание подтвердилось, где разошлось с наблюдением и какие условия были упущены. Люди задают направление, проверяют выводы и принимают решения о дальнейших исследованиях. Новые данные возвращаются в модели, а модели помогают точнее поставить следующий вопрос.

Именно над такой конфигурацией мы сейчас работаем вокруг Академии света и нашей исследовательской программы. Собираем знания, формулируем вопросы, готовим способы проверки и будущую систему обратной связи. Глобальное участие людей является целью этой работы.

Я хочу, чтобы мы могли ответить человеку на вполне конкретный вопрос: какой свет нужен ему, в его условиях, в это время суток и для этой задачи? Причём чтобы за ответом стояли проверяемые данные, понятная степень уверенности и возможность пересмотреть рекомендацию при появлении новых результатов.

В этом устройстве исследования у электричества две связанные роли. Оно создаёт свет, в котором живёт человек. И питает интеллект, который помогает понять действие этого света.

Мы готовы тратить энергию на такую работу. Ради более быстрого знания, более точных решений и результатов, которые человек сможет почувствовать в собственной жизни.

Фактическая основа: задачи и раскрытые затраты

Ниже разделены опубликованные показатели, оценки авторов и условный расчёт. Затраты на предварительное обучение моделей обычно не входят в приведённые показатели. Обозначение «не раскрыто» означает, что сопоставимого показателя нет в указанном источнике. Статьи, программы и строки кода нельзя пересчитать в токены без дополнительных данных.

Результаты в таблице имеют разный статус: проверяемая математическая конструкция, предсказание структуры, гипотеза о механизме, анализ ранее собранных данных, создание исследовательского инструмента. Они показывают возможности разных этапов научной работы. Каждый результат требует проверки, соответствующей его типу.

Для собственной программы исследований света стоит с самого начала вести единый журнал ресурсов: календарное время; часы GPU и CPU; входные, кэшированные и выходные токены; число запусков агентов и пиковая параллельность; измеренные кВт·ч; часы работы специалистов; число гипотез и доля результатов, выдержавших независимую проверку. Такой журнал позволит обсуждать производительность исследования на основании данных.