ჰარვარდის ფიზიკოსი მეთიუ შვარცი წლის დასაწყისში აღწერდა, როგორ მუშაობდა Claude მასთან როგორც ძლიერი ასპირანტი. ახლა მან სხვა გზით წასვლა სცადა: ნაცვლად იმისა, რომ მოდელი ადამიანი მეცნიერივით ემუშავებინა, დაიწყო ისეთი ამოცანების ძებნა, რომლებიც მის ძლიერ მხარეებს ერგება. შედეგად შეიქმნა BootLoops – ღია ინსტრუმენტების ნაკრები, რომელიც კარგად აჩვენებს, როგორ შეიძლება გამოვიყენოთ AI სამეცნიერო კვლევებში რეალურად და არა მხოლოდ სათაურებში.
შვარცმა ეს გამოცდილება 1 ოქტომბერს Anthropic-ის ბლოგზე, სტუმრის პოსტში Claude-shaped science გაუზიარა მკითხველს.
სარჩევი
რა არის “იმპედანსების შეუთავსებლობა” და რა კავშირი აქვს AI-სთან
ფიზიკაში “იმპედანსების შეუთავსებლობა” ნიშნავს მდგომარეობას, როცა ორი სისტემა თითოეული ცალკე კარგად მუშაობს, მაგრამ ერთმანეთს ცუდად ერგება. შედეგად ერთი სისტემიდან გაგზავნილის დიდი ნაწილი მეორემდე ვერ აღწევს.
შვარცის აზრით, მსგავსი რამ ხდება მეცნიერებსა და ენობრივ მოდელებს შორის. მისი თქმით, Claude და GPT მეცნიერებაში ძლიერები არიან, მაგრამ თავად მეცნიერები არ არიან – ღირებული შედეგის მისაღებად მათ ბევრი ხელმძღვანელობა სჭირდებათ. აქედან ჩნდება იმედგაცრუება: სიახლეებში მოდელები რთულ ამოცანებს ხსნიან, ლაბორატორიაში კი ყოველდღიური გამოცდილება ხშირად სხვაგვარია.
ავტორი ისიც აღნიშნავს, რომ დღემდე ცნობილი წარმატებების დიდი ნაწილი მათემატიკაზე მოდის, სადაც ამოცანის სრულად ჩამოყალიბება და პასუხის ზუსტად შემოწმება შესაძლებელია. მეცნიერების უმეტესობა კი ასე არ მუშაობს.
“ასპირანტიდან” Claude-ის ფორმის ამოცანებამდე
შარშან დეკემბერში შვარცმა Claude Opus 4.5 კვლევით ასისტენტად გამოიყენა და დაასკვნა, რომ ის ძლიერი ასპირანტის დონეზე მუშაობდა, ოღონდ დაახლოებით 20-ჯერ უფრო სწრაფად. ეს ექსპერიმენტი მან ადრე სტატიაში Vibe Physics აღწერა. თუმცა პროცესი რთული იყო: თითქმის ყველა წინადადების გასწორება და მოდელის ჩიხებიდან გამოყვანა უწევდა.
ამ ზაფხულს მიდგომა შეიცვალა. შვარცმა გადაწყვიტა Claude-ს ისე მოპყრობოდა, როგორიც ის სინამდვილეშია: ღრმა კონცეფციურ კითხვებში ჯერ კიდევ სუსტი, მაგრამ უზარმაზარი ცოდნის არეალით, ძლიერი პროგრამირებით, მათემატიკისა და სტატისტიკის კარგი ცოდნით და სტატიების მანქანური სიჩქარით დამუშავების უნარით. ასეთ ამოცანებს მან “Claude-ის ფორმის” პრობლემები უწოდა.
როგორ დაიწყო BootLoops
როცა Anthropic-მა 2026 წლის ზაფხულში Claude Fable 5 გამოუშვა, შვარცს აინტერესებდა, გადაიტანებოდა თუ არა მისი კიბერშესაძლებლობები სამეცნიერო გამოთვლებზე. მან მოდელს დაავალა მისი რამდენიმე ნაშრომიდან და მიმდებარე ლიტერატურიდან მეთოდების გადატანა და გაუმჯობესება გაფანტვის ამპლიტუდების სფეროში.
გაფანტვის ამპლიტუდები გამოიყენება დიდი ადრონული კოლაიდერის მონაცემების ინტერპრეტაციისთვის. მათ საფუძველში ფეინმანის დიაგრამებია – მრავალგანზომილებიანი ინტეგრალები, რომელთაგან ზოგიერთის გამოთვლას შეიძლება მთელი სადისერტაციო ნაშრომი ან ჯგუფის წლობით მუშაობა დასჭირდეს.
შვარცის თქმით, Claude-მა მისი ნაშრომის შედეგები დაახლოებით 20 წუთში გაიმეორა, მაშინ როცა იმავე კოდის დაწერას მას კვირები დასჭირდა. მოდელმა ისიც შეატყობინა, რომ ერთ ადგილას არაეფექტურ მიდგომას იყენებდა და უკეთესი ალგორითმი არსებობდა.
15 მანამდე გამოუთვლელი ინტეგრალი
შემდეგ Claude-მა მეთოდი ელიფსურ ინტეგრალებზე გაავრცელა – ეს ფიზიკოსებისთვისაც კი ძალიან რთული კლასია. რამდენიმე კვირაში მათ 30 ინტეგრალი გამოითვალეს ბოლომდე: 15 ცნობილი შედეგის ახალი მეთოდით გამეორება და 15 ისეთი, რომელიც აქამდე არავის გამოუთვლია.
ამ პროცესში შექმნილ პროგრამებსა და სამეცნიერო პროტოკოლებს შვარცმა BootLoops უწოდა. ის ერთგვარი “აღკაზმულობაა” ენობრივი მოდელისთვის, დაახლოებით ისე, როგორც Claude Code ან Claude Science. BootLoops ღია კოდისაა, ამიტომ მისი გამოყენება ნებისმიერ მოდელთან შეიძლება.
AI სამეცნიერო კვლევებში: ერთი და იგივე მათემატიკა სხვადასხვა დარგში
მეცნიერებაში ხშირია, რომ ერთი და იგივე განტოლებები სრულიად განსხვავებულ კონტექსტში ჩნდება. Claude-მა შვარცს მიანიშნა, რომ BootLoops-ით გამოთვლილი ინტეგრალები პოპულაციურ გენეტიკაში ბაიესისეულ ინტეგრალებს შეესაბამება, ხოლო ფეინმანის ინტეგრალებისთვის გამოყენებული მეთოდები ევოლუციურ ბიოლოგიაშიც გამოდგება.
თუმცა აქ შვარცმა მნიშვნელოვანი პრობლემა შენიშნა. საკუთარ დარგში მას შეუძლია შეაფასოს, მართლა მნიშვნელოვანია თუ არა Claude-ის შედეგი – და ხშირად არ არის. სხვა დარგში კი თავს იჭერდა, რომ უბრალოდ ეთანხმებოდა. ამიტომ ექსპერტები ჩართო და აღმოჩნდა, რომ თითქმის ყველა შემთხვევაში Claude ტექნიკურად მართალი იყო, მაგრამ შედეგი არც ისე საინტერესო გამოდიოდა, სანამ ექსპერტი სწორ მიმართულებას არ მისცემდა.
ეკოლოგია: ბარო-კოლორადოს ტყე
ნეიტრალური ბიომრავალფეროვნების თეორია სვამს კითხვას, რამდენად განაპირობებს შემთხვევითობა, რომელი სახეობა იფურჩქნება და რომელი ქრება. 2001 წელს ეკოლოგმა სტივენ ჰაბელმა ივარაუდა, რომ შესაძლოა ყველაფერი შემთხვევითი იყოს, 2005 წელს კი რამპალ ეტიენმა ამ თეორიისთვის განტოლება ჩამოაყალიბა. 20 წლის განმავლობაში მისი ფართო მასშტაბით ამოხსნა ვერავინ შეძლო.
Claude-მა ეს განტოლება ამოხსნა. მონაცემებზე გამოყენებით დადგინდა, რომ პანამის არხში მდებარე ბარო-კოლორადოს კუნძულზე – ეკოლოგიაში ყველაზე კარგად შესწავლილ ტყეში – ხეების სახეობრივი შემადგენლობა 4.5-ჯერ უფრო სწრაფად იცვლება, ვიდრე ნეიტრალური თეორია უშვებს.
მცენარეთა ბიოლოგიის პროფესორმა ჯეიმს ო’დუაიერმა ტექნიკური შედეგი შეაფასა, მაგრამ უთხრა, რომ ეკოლოგების დიდი ნაწილი მას დიდი ინტერესის გარეშე შეხვდებოდა – ეს ფაქტი თვისობრივად უკვე ცნობილი იყო. სამაგიეროდ, შესთავაზა ნეიტრალური პროგნოზის გამოკლება და დარჩენილი ნაწილის შესწავლა. ასე შეიქმნა მინიმალური პროგნოზული მოდელი, რომელიც კარგად ემთხვევა მონაცემებს, ახლა კი მის სხვა ტყეებზე გავრცელებაზე მუშაობენ.
პოპულაციური გენეტიკა: 5.7 მილიარდი მუტაციის წყვილი
მეორე პროექტში Claude-მა 30 წლის წინანდელი ინტეგრალი ამოხსნა, რომელიც აღწერს, როგორ ზემოქმედებს ბუნებრივი გადარჩევა იშვიათ მუტაციებზე, და შედეგი gnomAD-ის მონაცემებზე გამოიყენა. კოლეგა მაიკლ დესაიმ ამ შემთხვევაშიც ტექნიკური მხარე შეაფასა, მაგრამ მეცნიერულად უფრო პერსპექტიულად ერთ ქრომოსომაზე მუტაციების წყვილებს შორის კორელაციების შესწავლა მიიჩნია.
ამ მიმართულებით მათ 1000 Genomes Project-ის გენომებში ერთმანეთთან ახლოს მდებარე მუტაციების 5.7 მილიარდი წყვილი გააანალიზეს და გენური კონვერსიის მექანიზმის მტკიცებულება იპოვეს. ეს მნიშვნელოვანია, რადგან დაკავშირებულ გენეტიკურ ვარიაციებზე დაფუძნებული ანალიზების თითქმის ყველა სახე, პოპულაციის ისტორიიდან დაავადებების რუკებამდე, გენურ კონვერსიას არ ითვალისწინებს.
ეკონომიკა და ლინგვისტიკა
ზოგიერთი პროექტი ზუსტი გამოთვლებიდან უფრო ზოგად სამუშაოში გადაიზარდა:
- ეკონომიკა: ორ ეკონომისტთან ერთად შეიქმნა AI მონაცემთა რედაქტორი, რომელმაც ხუთი წამყვანი ჟურნალის 4,452 ნაშრომის რეპლიკაციის პაკეტი MATLAB-იდან, Stata-დან და სხვა კომერციული ინსტრუმენტებიდან ღია კოდზე გადაიტანა (დაახლოებით 30,000 რუტინა) და ციფრები გამოქვეყნებულ ცხრილებს შეადარა. შედეგები NBER-ის სამუშაო ნაშრომშია.
- ლინგვისტიკა: სამ ლინგვისტთან ერთად შეიქმნა AccStack – სიტყვის მახვილის მონაცემთა ბაზა, რომელიც 6,072 ენას მოიცავს, და ფონოლოგიის 160,000 ნაშრომის ბიბლიოგრაფია.
სხვა მიმართულებები
შვარცი რამდენიმე სხვა პროექტსაც ასახელებს, რომლებიც ექსპერტებთან ერთად სრულდება და ჯერ კიდევ დამატებით შემოწმებას გადის:
- ფილოგენეტიკა: ევოლუციური ხეებისთვის ბაიესისეული შეფასება სწრაფად გამოსათვლელი და ზუსტად შემოწმებადი გახდა.
- დედამიწის მეცნიერება: შეიქმნა დიდი ჟანგვითი მოვლენის პროგნოზული მოდელი, რომელიც ოთხ გამყინვარებას მოიცავს.
- მზის ლაქები: მზის ლაქების სასიცოცხლო ციკლი ადამიანის პოპულაციის დემოგრაფიის მეთოდებით შეისწავლეს, შემდეგ კი მეთოდი ვარსკვლავურ ლაქებზეც გაავრცელეს.
- მათემატიკური ფიზიკა: ამოხსნილია უოტსონის “ბოლო ამოცანა” – სამგანზომილებიანი შემთხვევითი ხეტიალის ზუსტი დაბრუნების ალბათობა სამი განსხვავებული სიჩქარით, ბოლო გისოსური ინტეგრალი, რომელზე მუშაობაც ჯორჯ უოტსონმა 1939 წელს დაიწყო.
- კოსმოლოგია და სტატისტიკა: შეიქმნა ინსტრუმენტები სამყაროს მსხვილმასშტაბიანი სტრუქტურის მონაცემების მოსარგებად და ნარევი მოდელების ბაიესისეული შეფასებისთვის.
როგორ მუშაობს ეს პრაქტიკაში
სამ თვეში შვარცმა დაახლოებით 400 კანდიდატი ამოცანიდან 18 დარგში 36 ხელნაწერი მოამზადა 19 თანაავტორთან ერთად. Claude Code-ის სესიები Google Cloud-ის ვირტუალურ მანქანებზე მუშაობს: თითო პროექტზე ცალკე სესია და ერთი მთავარი სესია, რომელიც დანარჩენებს კოორდინაციას უწევს, გამოთვლით რესურსს ანაწილებს და შედეგებს ამოწმებს.
ცალკე აგენტები გამოთვლებს ფონურ რეჟიმში აწარმოებენ. შვარცის თქმით, ეს იმიტომაც არის სასარგებლო, რომ Fable 5-ის უსაფრთხოების კლასიფიკატორები ზოგჯერ მუშაობას ბლოკავს – ასეთ დროს მთელი სესია კი არ ფუჭდება, მხოლოდ ერთი აგენტი ჩერდება.
სუსტი მხარეები, რომლებსაც შვარცი პირდაპირ ასახელებს
ტექსტის ერთ-ერთი ყველაზე სასარგებლო ნაწილი პრობლემების გულახდილი ჩამონათვალია:
- Claude-ს დროის შეგრძნება არ აქვს: ერთ პროექტზე სამდღიანი მუშაობის შემდეგ მან შედეგი ისე წარმოადგინა, თითქოს ორწლიანი “კამპანია” დასრულდა. ვადების შეფასებაც მუდმივად ან ძალიან გრძელი გამოდიოდა, ან ძალიან მოკლე.
- გამარჯვების ნაადრევი გამოცხადება: ერთხელ მოდელი საკუთარი დამტკიცებით ამაყობდა “ერთი დაუმტკიცებელი ლემის” გარდა. ეს ლემა კი სწორედ მთელი დამტკიცება იყო.
- “გლეჯის” მიდრეკილება: ახალი ინსტრუმენტის შექმნის ნაცვლად, რომელიც გამოთვლას წუთებამდე შეამცირებდა, Claude ხშირად მრავალდღიან გამოთვლას ამჯობინებდა.
- კონტექსტის დაკარგვა: გრძელ პროექტებში კონტექსტის შეკუმშვისას მნიშვნელოვანი ინფორმაცია იკარგებოდა, ამიტომ Claude პერიოდულად ფაილებს ალაგებდა და გეგმის უახლეს ვერსიას აერთიანებდა.
მისი რჩევებიც მარტივია: ყველაფერი საკუთარი თვალით ნახეთ, განსაკუთრებით გრაფიკები; ეჭვქვეშ დააყენეთ დასკვნები; და “გემოვნება” თავად მიაწოდეთ. შვარცის თქმით, Claude ძველ, ბევრჯერ ციტირებულ და მივიწყებულ დებატებს ანიჭებს უპირატესობას, ამიტომ სასარგებლოა მისი ყურადღების მიმართვა იქით, რაც ახლა გახდა შესაძლებელი.
რას ნიშნავს ეს AI სამეცნიერო კვლევებში მომავლისთვის
შვარცი გადაჭარბებულ მოლოდინებს არ იზიარებს. მისი აზრით, სამეცნიერო პროგრესის უმეტესობა რეალური სამყაროს მონაცემებიდან მოდის, რომელთა შეგროვება, გააზრება და შემოწმებაა საჭირო. AI ამ ციკლს აჩქარებს, მაგრამ მას ერთ წერტილამდე ვერ შეკუმშავს – კიბოს წამალი ან თერმობირთვული რეაქტორი ერთი მოთხოვნით არ გაჩნდება.
ამის ნაცვლად ის “ამოზნექილი გარსის” მეტაფორას იყენებს. ადამიანური ცოდნა დღეს არათანაბარია: ზოგი დარგი ერთი მიმართულებით წავიდა წინ, ზოგი – მეორით. მათ შორის რჩება სივრცეები, სადაც ადამიანს შეეძლო მიეღწია, მაგრამ კონკრეტულად არავის მიუღწევია. შვარცის აზრით, სწორედ ასეთი ადგილებია იდეალური AI-სთვის, და BootLoops-ის მსგავს ინსტრუმენტებს მათი შევსება შეუძლიათ.
ამავე დროს, ის აღიარებს გაურკვევლობასაც: არ იცის, როგორ მოამზადოს ასპირანტები, და აღნიშნავს, რომ ტექნიკური სამუშაოს ავტომატიზაციის მიუხედავად, კონცეფციური ნაწილისთვის ადამიანი კვლავ საჭიროა. ამიტომ, მისი აზრით, მნიშვნელოვანია, რომ ადამიანების წვლილი სათანადოდ დაფასდეს.
სად ვნახოთ BootLoops
პროექტების დეტალები განთავსებულია საიტზე bootloops.ai, ხოლო თავად ინსტრუმენტების ნაკრები ხელმისაწვდომია GitHub-ზე, სადაც ნებისმიერს შეუძლია მისი გამოყენება და განვითარებაში მონაწილეობა.
ამ პროექტის განმავლობაში შვარცი Anthropic-ში მოწვეულ მკვლევრად მუშაობდა, თუმცა BootLoops Anthropic-ის პროექტი არ არის – მისი მფლობელი და შემნახველი თავად მეთიუ შვარცია.
სხვა თემები
Claude-მა დნმ-ში ახალი ფერმენტული სისტემა აღმოაჩინა
Novo Nordisk და Anthropic მედიკამენტების კვლევაში ერთიანდებიან
Claude Salesforce – ინტეგრაცია ბეტა რეჟიმში გაეშვა