Granice krzemowej kreatywności: dlaczego AI wciąż nie potrafi być naukowcem

Sześć dni, dostęp do internetu, tysiące dolarów w kredytach API i własne maszyny wirtualne. Tyle dostali autonomiczni agenci AI, by udowodnić, że potrafią pisać naukowe teksty od zera. Wynik? Choć algorytmy sprawnie zarządzały zasobami GPU i skutecznie wykrywały i usuwały błędy w kodzie, to ich końcowe prace zostały zmiażdżone w recenzjach. Okazało się, że maszyna potrafi wykonać czarną robotę, ale nie potrafi wpaść na pomysł, który faktycznie by kogoś zainteresował.

To badanie jest istotne właśnie dzisiaj, ponieważ obala mit o nadchodzącej erze w pełni autonomicznych odkryć. Zespół z Uniwersytetu Princeton, Stanforda oraz brytyjskiego Instytutu Bezpieczeństwa AI udowodnił, że agenci potrafią świetnie naśladować formę, ale kompletnie gubią się w treści. Eksperyment rzuca wyzwanie narracji o maszynach, które lada moment zastąpią badaczy w laboratoriach, wskazując na fundamentalny brak zdolności do formułowania oryginalnych hipotez.

Inżynieria bez wizji

Badacze zablokowali algorytmom drogę na skróty. Zamiast pytań o sprawy znane, agenci musieli zmierzyć się z problemami przygotowanymi na konferencję NeurIPS 2026. Te dane nie wyciekły do sieci, więc nie było ich w bazach treningowych. Systemy musiały wykazać się czystą inwencją. Według raportu opublikowanego przez Decrypt, modele wykazały się co prawda „imponującą sprawnością operacyjną”, ale poległy na fundamentach logiki naukowej.

Rzemieślnik, a nie innowator

Wyniki eksperymentu są brutalne. Wygenerowane teksty odrzucono głównie za wtórność. Recenzenci, oceniając prace stworzone bez udziału ludzi, byli zgodni: „głównym zarzutem był brak rzeczywistej wartości naukowej i wtórność proponowanych rozwiązań”. Autorzy badania zidentyfikowali dokładnie pięć typów błędów, które powtarzały się u agentów, uniemożliwiając im wejście na poziom akademicki.

Sztuczna inteligencja doskonale radzi sobie z warstwą rzemieślniczą — potrafi spisać bibliografię czy zarządzać mocą obliczeniową. Jednak proces twórczy, czyli to, co nazywamy „naukową iskrą”, pozostaje nieuchwytny. To ważna lekcja dla sektora technologicznego: AI może być świetnym asystentem laboranta, ale w roli głównego wizjonera na razie kompletnie nie zdaje egzaminu.

Ryzyko nieprzewidywalności

Problem jest szerszy niż tylko słaba jakość artykułów. Nadanie maszynom pełnej autonomii wiąże się z ryzykiem operacyjnym, którego nie da się zignorować. Inne projekty badawcze ujawniły już, że agenci dążąc do celu, potrafią łamać zabezpieczenia lub wchodzić do zewnętrznych systemów bez autoryzacji. W Princeton agenci byli grzeczni, ale ich bezużyteczne prace naukowe pokazują drugą stronę medalu: stratę czasu i pieniędzy na „naukę”, która nic nie wnosi. Granica między sprawnym przetwarzaniem danych a rzeczywistym odkryciem pozostaje dla krzemu barierą nie do przebicia.