ИИ-агенты не способны к научной самокритике: исследование показало 15% от человека

Два независимых исследования от Epoch AI и Anthropic пришли к одному выводу: текущие ИИ-агенты, включая GPT-5.6 Sol и Claude Fable 5, пока не готовы к автономной научной работе. Модели способны запускать эксперименты, но им категорически не хватает научной самокритики и настоящего творческого мышления.

Лучший результат Sol достиг лишь 15% от контрольного показателя человека. Причём этот успех был достигнут методами, которые исследователи уже знали заранее. Главная проблема — модели не могут критически усомниться в собственных выводах, что делает их ненадёжными для самостоятельных открытий.

Исследователи подчёркивают: без способности к самопроверке и генерации принципиально новых гипотез ИИ-агенты остаются лишь продвинутыми инструментами, а не полноценными научными партнёрами. Прорыв в этой области потребует фундаментальных изменений в архитектуре моделей.