🧠 The AI Scientist: 41% гипотез не проходят физическую проверку 41% выдвинутых гипотез, сгенерированных автономным научным агентом The AI Scientist от Sakana AI, оказались физически несостоятельными — такие данные привела EvoNova Labs в разборе открытого репозитория на Habr. Аудит 150 сгенерированных манускриптов в трёх областях — неравновесная термодинамика, гидродинамика и кинетика катализа — показал, что 42% вычислительных запусков падали ещё на этапе выполнения кода из-за синтаксических ошибок, а медианное число ссылок в статьях не превышало пяти, включая фантомные DOI. Механика сбоев — не глупость модели, а целевая функция: Transformer оптимизирует правдоподобие текста, а не законы сохранения. Поэтому в 38.2% дефектов уравнения нарушали размерную однородность Фурье — например, складывали градиент температуры с производной давления по времени, что физически бессмысленно. Ещё 24.5% дефектов прямо нарушали второе начало термодинамики: модель предлагала уравнения с самопроизвольным убыванием энтропии в замкнутой системе. Остальное — сингулярности на границах (19.1%) и ложные корреляции (18.2%), включая вычисление производной каталитической активности по атомному номеру, как будто между платиной и золотом есть дробные элементы. EvoNova Labs противопоставляет этому детерминированный нейро-символический цензор, задепонированный в CERN Zenodo (DOI 10.5281/zenodo.23942797), который проверяет размерность, неотрицательность производства энтропии и асимптотическую устойчивость. Проблема в том, что статья написана самой EvoNova Labs — компания продвигает собственный продукт, и независимого воспроизведения её цифр пока нет. Конкуренты вроде DeepMind и PhysicsX идут другими путями — суррогатные модели и PINN, — но тоже не решают задачу вывода аналитических законов. Для практиков, строящих научных агентов, вывод простой: если в пайплайне нет независимой символьной валидации, красиво свёрстанная статья с интегралами может оказаться математической химерой. Российские команды, экспериментирующие с научными ассистентами на базе GigaChat или YandexGPT, столкнутся с тем же — правдоподобный текст не гарантирует физической корректности. Пока индустрия меряется бенчмарками reasoning-моделей, самый дешёвый фильтр против трети научного мусора — проверка размерности уравнения, которую можно реализовать регулярным выражением за вечер, а не ещё одна LLM-революция. #AIScientist #SakanaAI #DeepTech #LLM #символьныйИИ