🌐 Джон Платт из Google - об ИИ для науки: система ERA, климат и алгоритмы из sklearn

В подкасте Latent.Space вышло интервью с Джоном Платтом - обладателем «Оскара» за технологии, автором Platt scaling и SMO, одним из тех, кому приписывают сам термин «свёрточные нейросети».

Главная тема - Google Empirical Research Assistance (ERA). Идея проста: любую научную задачу, сводимую к функции оценки («scoreable task»), можно решить перебором кода. Gemini ведёт дерево прошлых экспериментов-ноутбуков, а правило Upper Confidence Bound выбирает, какие ветки мутировать - оптимистично, а не жадно, поэтому шанс есть и у пятого по перспективности варианта. Историю ветки видят все листья, так что они учатся друг у друга. Переход с Gemini 2.0 на 2.5 превратил систему из нерабочей в отлично работающую. Итог - минимум десять научных публикаций, включая климатические.

Отдельный кейс: инверсионные следы самолётов дают около 1% антропогенного потепления. Команда два года не могла построить модель отражённого солнечного света - ERA нашла простое решение с неизвестными ранее конфаундерами. Код открыт на GitHub и работает с любой LLM.

Платт предупреждает: ERA - «электроинструмент, которым можно отрезать пальцы». Метрика, ставшая целью, перестаёт быть метрикой. Совет начинающим: «Всегда сначала стройте линейную регрессию. Просто сделайте это».

#AI #Science #Google #Gemini #MachineLearning #ERA