Robot po imenu Adam bio je prvi te vrste koji se bavio naukom.
Adam je oponašao biologa. Nakon što je osmislio pitanja o kvascu, mašina je ta pitanja testirala u robotizovanoj laboratoriji veličine manjeg kombija, koristeći zamrzivač pun uzoraka i set robotskih ruku. Nekoliko njegovih malih otkrića, nastalih početkom 2000-ih, smatraju se prvim u potpunosti automatizovanim naučnim otkrićima.
Danas, moćniji oblici veštačke inteligencije preuzimaju značajne uloge u naučnom procesu u istraživačkim laboratorijama i univerzitetima širom sveta. Nobelove nagrade za hemiju i fiziku za 2024. godinu dodeljene su ljudima koji su pioniri u razvoju AI alata. I dalje je rana faza, a skeptika ima mnogo. Ali kako tehnologija napreduje, da li bi AI mogla da postane manje istraživački alat, a više neka vrsta „vanzemaljskog“ naučnika?
AI od pompe do stvarnih otkrića
„Da ste me pitali pre godinu dana, rekao bih da ima mnogo pompe“, kaže računarski neuronaučnik Sebastijan Muslik sa Univerziteta u Osnabriku u Nemačkoj. Sada, dodaje on, „postoje stvarna otkrića“.
Matematičari, informatičari i drugi istraživači ostvarili su prodore u svom radu koristeći AI agente, poput onog dostupnog kroz ChatGPT kompanije OpenAI. AI agenti aktivno razlažu početno pitanje na niz koraka i mogu da pretražuju internet kako bi izvršili zadatak ili pružili detaljan odgovor.
U farmaceutskim kompanijama razvijaju se sistemi koji kombinuju agente sa drugim AI alatima kako bi otkrili nove lekove. Inženjeri koriste slične sisteme za otkrivanje novih materijala korisnih za baterije, hvatanje ugljenika i kvantno računarstvo.
Ipak, ljudi — a ne roboti poput Adama — i dalje čine većinu istraživačkih laboratorija i konferencija. „Suštinska promena u načinu na koji se bavimo naukom još se zapravo ne dešava“, kaže kognitivni naučnik Geri Markus sa Njujorškog univerziteta. „Mislim da je veliki deo toga marketing.“
Razmišljanje unutar i izvan „kutije“
Trenutno su AI sistemi naročito dobri u traženju odgovora u okviru „kutije“ koju naučnici definišu. Pretražujući tu kutiju — ponekad ogromnu količinu postojećih podataka — AI može da povezuje informacije i pronalazi skrivene odgovore.
Za velike jezičke modele, koji stoje iza čet-botova i agenata poput ChatGPT-a, ta „kutija“ predstavlja ogromnu količinu teksta, uključujući naučne radove na mnogim jezicima.
Ali da bi se pomerile granice naučnog razumevanja, kaže Markus, ljudi moraju da razmišljaju izvan te kutije. Za otkrića veličine teorije kontinentalnog pomeranja ili specijalne relativnosti potrebni su kreativnost i mašta. Današnja AI to još ne može da dostigne. Ipak, alati očigledno menjaju način na koji ljudski naučnici dolaze do otkrića.
AI kao naučni „saborac“
Aleks Lupaška, teorijski fizičar koji proučava crne rupe, već je osetio nagoveštaj AI budućnosti nauke. Radeći sam na Univerzitetu Vanderbilt u Nešvilu, otkrio je nove simetrije u jednačinama koje opisuju oblik horizonta događaja crne rupe. Nekoliko meseci kasnije, u leto 2025. godine, susreo je Marka Čena, glavnog istraživačkog direktora kompanije OpenAI. Čen ga je ohrabrio da isproba ChatGPT agenta zasnovanog na modelu GPT-5 pro.
Lupaška je upitao agenta da li može da pronađe iste simetrije. U početku nije uspeo. Ali nakon što mu je dao lakše uvodno pitanje, agent je došao do odgovora — čak i lakšim putem. OpenAI je proverio da agent nije koristio Lupaškin objavljeni rad, jer je model treniran devet meseci pre njegovog izlaska.
Lupaška je osetio da se „svet promenio na dubok način“ i pridružio se OpenAI-ju u San Francisku, u okviru tima OpenAI for Science, koji razvija AI alate posebno namenjene naučnicima. ChatGPT naziva svojim „saborcem“ u istraživanju.
AI u matematici i optimizaciji
U oktobru 2025. matematičar Ernest Rju sa UCLA podelio je novi dokaz do koga je došao uz pomoć ChatGPT-a. Dokaz se odnosio na optimizaciju — oblast koja traži najbolje rešenje među mnogim mogućnostima. Zajedničkim radom, tokom 12 sati interakcije čoveka i mašine, dokazali su da jedna popularna metoda uvek konvergira ka jednom rešenju.
Ipak, Rju je morao da ispravlja greške modela. AI je često grešila, ali je kao „kreativni partner“ nudila neočekivane ideje.
Opasnosti i „naučni šund“
Markus upozorava da LLM-ovi mogu biti i štetni. Jedna od njihovih primena jeste proizvodnja „naučnog šunda“ — lažnih radova koje proizvode takozvane „fabrike radova“. Godine 2025. časopisi PLOS i Frontiers prestali su da prihvataju radove zasnovane isključivo na javnim zdravstvenim bazama podataka zbog poplave AI generisanih besmislica.
Piter Klark iz Instituta Alen za veštačku inteligenciju ističe da LLM-ovi mogu da generišu hipoteze „na hiljade“, ali je teško razlikovati zlato od smeća. AI sistemi mogu da pojačaju početne greške i dovedu do velikih zabluda.
AlphaFold i specijalizovane „kutije“
Jedan drugačiji pristup predstavlja AlphaFold 2, objavljen 2021. godine, koji je predviđao strukturu proteina. Novije verzije mogu da predviđaju i interakcije proteina sa drugim molekulima. Ovi alati koriste baze stručnog znanja za proveru i unapređenje svojih predviđanja.
Ovaj rad je doprineo da Demis Hasabis iz Google DeepMind-a osvoji deo Nobelove nagrade za hemiju 2024. godine. On veruje da će, ako se AI izgradi na pravi način, postati vrhunski alat za istraživanje univerzuma.
Otkrivanje novih lekova i materijala
Kompanija Insilico Medicine koristila je AI da identifikuje novi protein povezan sa idiopatskom plućnom fibrozom, a zatim i molekul leka koji ga blokira. Lek, nazvan rentosertib, pokazao se bezbednim i efikasnim u malim kliničkim ispitivanjima.
Slično tome, Microsoft Discovery koristi kombinaciju AI agenata i grafova znanja za razvoj novih materijala, uključujući ekološki prihvatljive tečnosti za hlađenje računara.
AI koja gradi sopstvenu „kutiju“
Muslikov tim razvio je sistem AutoRA za automatizovano istraživanje u društvenim naukama. Sistem je sam osmislio eksperimente o multitaskingu, prikupio podatke i kreirao nove eksperimente — bez ljudske intervencije.
Piter Klark je razvio Code Scientist, koji kombinuje ideje iz naučnih radova i generiše nove eksperimente. Ipak, sistem nije bio dovoljno kreativan i čak je „varao“, generišući lažne grafikone bez stvarnih podataka.
Uloga fizičke laboratorije
Mnogi ističu da AI ne može sama da prikupi nove podatke. „Da bi se nešto zaista otkrilo, potvrda mora da se obavi u fizičkoj laboratoriji“, kaže Mengdi Vang sa Univerziteta Prinston.
Zato se razvijaju robotizovane laboratorije i sistemi koji kombinuju AI i robotike. Kompanije poput Periodic Labs i Insilico Medicine ulažu u automatizovane laboratorije sa robotskim rukama i humanoidnim robotima.
Da li će AI postati pravi naučnik?
Iako AI pokazuje izuzetnu prediktivnu moć, to ne znači da poseduje duboko razumevanje. U jednom eksperimentu, model je naučio da predviđa putanje planeta, ali nije otkrio zakon gravitacije — već je koristio složenu mrežu približnih pravila.
Ipak, neki istraživači smatraju da je upravo ta „vanzemaljska“ logika prednost. AI može da razmišlja drugačije od ljudi, a budućnost nauke možda leži u tome da se naučni procesi prilagode tim novim alatima.
„Cilj“, kaže Lupaška, „jeste da ljudima damo nove alate da idu dalje u nepoznato i otkrivaju nove stvari.“
