Исследователи из Йельского и Чикагского университетов провели масштабный научный эксперимент. Они сравнили девять популярных ИИ-моделей с реальными живыми учеными. Главной целью было оценить способность нейросетей генерировать по-настоящему новые идеи. Для честного теста взяли более одиннадцати тысяч реальных научных публикаций. Эти статьи охватывали семьдесят одну дисциплину, включая физику, химию и биологию. Ученые аккуратно разобрали каждую работу до ее базовых исходных условий. Затем моделям дали лишь краткие описания нескольких предыдущих исследований. После этого их попросили самостоятельно придумать совершенно новую концепцию. Полученные результаты оказались крайне разочаровывающими и поразительно однообразными. Нейросети почти всегда предлагали просто механически связать две существующие работы. Живые люди используют такой примитивный подход лишь в двенадцати процентах случаев. Различные модели же выбирали его почти в половине всех ситуаций. Это прямо указывает на глубокую шаблонность мышления современного искусственного интеллекта.

Разнообразие предложенных идей оценивали с помощью специальной двухосной таксономии. Показатели человеческой креативности значительно и уверенно превысили результаты всех протестированных моделей. Включение специального режима размышления только существенно ухудшило общую картину. Например, у модели Qwen3-8B доля шаблонных идей резко и предсказуемо возросла. Режим мышления не расширил кругозор алгоритма, а лишь заточил его любимый шаблон. Абсолютно аналогичная негативная тенденция ярко проявилась и у системы DeepSeek-V4-Flash. Даже предоставление полных текстов статей совершенно не помогло алгоритмам стать креативнее. Модели стали еще сильнее и заметнее отдаляться от человеческого распределения идей. Тщательный анализ лексики выявил конкретный и скучный рецепт всех нейросетей. Они крайне часто использовали слова интегрировать, объединить или адаптировать. Люди же предпочитают более конкретные и смелые действия, например заменить или формализовать. Интересно, что идеи разных моделей оказались поразительно похожи друг на друга.

Большинство протестированных моделей заметно уступили людям в точности формулировки проблем. Они часто выдавали общие и размытые фразы вместо конкретных и полезных решений. Приятным исключением стала только модель Claude Sonnet 4.6 от известной компании. Она даже уверенно обошла человеческий уровень по некоторым показателям общего качества. Однако ее итоговое распределение идей все равно оставалось неестественно смещенным. Сами исследователи честно признают определенные методологические ограничения своего интересного эксперимента. Задача сводила идею к одному сухому запросу без живого диалога. Настоящий ученый всегда опирается на неявный опыт и прошлые провальные попытки. Также важнейшую роль играют живое сотрудничество и критические отзывы рецензентов. Интерактивные агенты и узкоспециализированные системы могут немного сократить этот досадный разрыв. Но если требуются действительно оригинальные и прорывные идеи, пока стоит обращаться только к людям. Искусственный интеллект еще совершенно не готов к полноценному научному творчеству.