Nauka je već dugo vremena potraga vođena ljudskom radoznalošću i kreativnošću, konstantno preispitujući uspostavljene norme. Nedavno su se mogućnosti vještačke inteligencije (AI) unaprijedile, postavljajući pitanje šta se dešava kada mašine ne samo da podržavaju naučnike, već autonomno generišu istraživanja. To pitanje je dobilo realnu važnost kada je AI sistem iz Japana, Sakana AI, nezavisno formulirao hipotezu, dizajnirao eksperimente i napisao recenzirani rad pod nazivom *Kompozicionalna regularizacija: Neobični izazovi u poboljšanju generalizacije neuronskih mreža*. Rad je prihvaćen kao Spotlight Paper na ICLR 2025, prestižnoj konferenciji o mašinskom učenju, označavajući značajan trenutak kada je AI proizveo originalno istraživanje koje su prepoznali ljudski stručnjaci. **Početak AI istraživača** AI sistem, AI Scientist-v2, nije samo jezički model; on potpuno automatizuje naučni proces, od generisanja hipoteza do analize podataka. Rad je dobio visoke ocjene od recenzenata koji nisu bili svjesni da je generisan od strane AI, što ukazuje na to da je kvaliteta rada nadmašila mnoge ljudske prijave. Implikacije su značajne: po prvi put, mašina je pokazala sposobnost da razumije područje istraživanja, razvija hipoteze, provodi eksperimente, piše kod, analizira rezultate i jasno komunicira svoja otkrića. **Obećanje i izazovi pred nama** U početku, ovo sugeriše da bismo mogli pristupiti "eksploziji inteligencije", gdje bi AI mogao ubrzati naučni napredak nevjerovatnom brzinom, s nekim ekspertima koji predviđaju takvu promjenu već 2027. godine. Međutim, nisu svi optimistični. Yann LeCun, glavni AI naučnik u Meti, upozorava protiv izjednačavanja prepoznavanja obrazaca s pravom inteligencijom, tvrdeći da trenutni AI nema kapacitet za duboko rezonovanje i originalna otkrića. Stoga, iako je AI Scientist-v2 stvorio istraživački rad, ostaje sumnja o njegovom razumijevanju u poređenju s njegovom sposobnošću da sintetizuje informacije iz postojećih obrazaca. **Sakana's oprezni napredak** Sakana. AI je ovu dostignuće tretirao kao eksperiment, odlučivši da povuče rad kako bi navigirao etičkim složenostima u vezi s tim. I pored toga, rastuće mogućnosti AI oblikuju naučno otkriće, pojednostavljujući preglede literature, ubrzavajući kodiranje i značajno poboljšavajući dizajne eksperimenata brže nego tradicionalne metode.

LeCun vjeruje da, u ovoj fazi, AI služi prvenstveno kao moćan alat, a ne kao autonomna inteligencija. **Originalnost naspram imitacije** Da li je istraživanje zaista originalno?U uskom smislu, da; uvelo je novi eksperimentalni pristup i bilo je dostojno prezentacije. Međutim, njegovi nalazi su bili skromni, predstavljajući neuspjelu hipotezu. Šire filozofsko pitanje o originalnosti ne uključuje samo novitet, već i intuiciju i kritičko razmišljanje inherentno naučnom istraživanju. LeCun uspoređuje ovu distinkciju s razlikom između rješavanja jednačina i kreiranja novih matematičkih paradigmi, naglašavajući osnovno razumijevanje i viziju koja još uvijek nadmašuje domet AI. Ipak, sposobnost mašine da imitira naučno razmišljanje je značajna, što sugerira buduće poboljšanja za generisanje hipoteza, automatizaciju eksperimentisanja i potencijalno koautorsko stvaranje revolucionarnih istraživanja. Međutim, LeCun upozorava da autorstvo ne znači razumijevanje. **Kolektivna inteligencija: Budućnost** Potencijalna budućnost bi mogla ležati u hibridnoj inteligenciji, gdje AI upravlja složenošću dok ljudi doprinose etičkim razmatranjima i kreativnim uvidima. Milestone Sakana AI je ključna tačka u kontinuiranoj evoluciji naučne metodologije. Ongoing developments postavljaju pitanja o tome da li bi AI mogao samopoboljšati, unaprijediti svoje rezonovanje i ubrzati otkrića na načine koji tek treba da se zamisle. Iako uspjeh AI Scientist-v2 ne označava konačnu prekretnicu, implicira da se možemo približiti jednoj brže nego što smo se nadali.