🚨TOCMAI AM CITIT CEVA ȘOCANT. Cercetătorii tocmai au antrenat o inteligență artificială pentru a prezice ce idei științifice vor avea succes înainte ca orice experiment să fie realizat. Acum este mai bun la evaluarea cercetării decât GPT-5.2, Gemini 3 Pro și orice model AI de top de pe piață. Și a învățat studiind 2,1 milioane de lucrări de cercetare fără ca vreun om de știință să o învețe ce înseamnă "știința bună". Iată ce au făcut. O echipă de cercetători chinezi a construit două sisteme AI. Primul, numit Scientific Judge, a fost instruit pe 700.000 de perechi potrivite de lucrări cu citare mare vs mică citare. Fiecare pereche provenea din același domeniu și din aceeași perioadă. Singura sarcină a AI-ului: să afle care hârtie ar avea mai mult impact. A funcționat. AI-ul prezice acum care cercetări vor avea succes cu o acuratețe de 83,7%. Aceasta este mai mare decât GPT-5.2. Mai sus decât Gemini 3 Pro. Mai sus decât orice model de frontieră care există. Apoi au construit al doilea sistem. Gânditorul științific nu judecă doar ideile. Le propune. Îi prezinți o lucrare de cercetare, iar aceasta generează o idee de continuare cu un impact potențial ridicat. Când au fost testate față în față cu GPT-5.2, ideile lui Scientific Thinker au fost evaluate ca având un impact mai mare în 61% din cazuri. Generează direcții de cercetare mai bune decât cele mai inteligente modele AI din lume. Devine mai ciudat. L-au instruit pe judecător doar pe lucrări de informatică. Apoi l-au testat pe biologie. Fizică. Matematică. Câmpuri pe care nu le mai văzuse niciodată. Totuși, a funcționat. Acuratețe de 71% la lucrările de biologie pe care nu a fost niciodată antrenat. AI-ul nu a învățat ce înseamnă informatică bună. A învățat ce face știința bună, punct. Apoi cercetătorii au testat dacă poate vedea viitorul. L-au instruit pe lucrări până în 2024, apoi i-au cerut să jurizeze lucrările din 2025. A prezis care dintre ele vor câștiga tracțiune cu o acuratețe de 74%. AI-ul a învățat să recunoască câștigătorii înaintea comunității științifice. Iată despre ce nu vorbește nimeni. Un model cu 1,5 miliarde de parametri, foarte mic după standardele actuale, a sărit de la 7% la 72% acuratețe după antrenament. Este un salt de 65 de puncte. Capacitatea de a judeca calitatea științifică nu este o proprietate emergentă a modelelor masive. Poate fi predat unor sisteme AI mici, ieftine și rapide, pe care oricine le poate folosi....