Исследователи оценили эффективность AI в 27 научных дисциплинах

Группа ученых опубликовала масштабное исследование, сравнивающее возможности нейросетей с традиционными методами научного анализа. Авторы проанализировали 2507 прямых сопоставлений, охватывающих 27 научных дисциплин, за период с 2000 по начало 2025 года.

Результаты работы демонстрируют неоднородную картину эффективности AI. В сравнении с классической статистикой нейросети часто показывают более высокие результаты, однако требуют значительно больших вычислительных затрат. При этом в 25% случаев AI оказывается не только дороже, но и менее точным, чем традиционные статистические инструменты, и этот показатель остается стабильным на протяжении последнего десятилетия.

Относительно методов научного моделирования и вычислений ситуация меняется более динамично. Долгое время нейросети уступали специализированным алгоритмам, но с 2020 года ситуация начала трансформироваться. На текущий момент AI превосходит традиционные методы научного моделирования более чем в 50% случаев, демонстрируя при этом меньшие требования к вычислительным ресурсам в данных задачах.

Авторы подчеркивают, что нейросети не являются универсальной заменой существующим научным подходам. Вместо этого они формируют новый сегмент «AI-ориентированного научного фронтира», где эффективность зависит от конкретной дисциплины и типа решаемой задачи. Работа опубликована под лицензией Creative Commons Attribution 4.0.