Může umělá inteligence vytvořit detailní vědeckou hypotézu o temné hmotě, která obstojí v recenzním řízení ?

Velké jazykové modely nyní syntetizují obrovské množství fyzikálního výzkumu a navrhují nové teoretické rámce. Ačkoli nejsou experimentálně ověřeny, tyto hypotézy jsou dostatečně strukturovány, aby se zapojily do současného vědeckého diskurzu. Výstup respektuje známá omezení Standardního modelu a pozorované kosmické jevy. Takové příspěvky jsou stále častěji citovány v spekulativních, ale testovatelných oblastech kosmologie.

Background

AI models increasingly synthesize vast amounts of physics research to propose novel theoretical frameworks in cosmology and particle physics. These outputs aim to respect the constraints of the Standard Model and observed cosmic phenomena while remaining experimentally unverified. Human scientists remain essential for refining, critiquing, and validating such theories, as peer review demands deep physical insight, coherence with established laws, and novel experimental pathways. While AI can generate hypotheses from data, it currently lacks the capacity to design falsifiable experiments, integrate interdisciplinary theoretical frameworks, or anticipate experimental anomalies that drive scientific progress. This highlights the ongoing role of human expertise in advancing dark matter research.