Googleův nový AI „spolu-vědec“ cílí na urychlení vědeckého objevu

Představte si výzkumného partnera, který přečetl všechny vědecké články, které jste četli, a neustále vymýšlí nové experimenty 24 hodin denně. Google (GOOGL ) se snaží tuto vizi proměnit v realitu s novým systémem AI navrženým tak, aby fungoval jako „spolu-vědec“.

Tento AI-pohoněný asistent může procházet rozsáhlé knihovny výzkumu, navrhnout nové hypotézy a dokonce vytvořit plány experimentů – vše ve spolupráci s lidskými výzkumníky. Googleův nejnovější nástroj, testovaný na Stanford University a Imperial College London, využívá pokročilé uvažování, aby pomohl vědcům syntetizovat velké množství literatury a generovat nové nápady. Cílem je urychlit vědecké objevy tím, že dává smysl z přetížení informací a navrhuje nápady, které by lidský mozek mohl přehlédnout.

Tento „AI spolu-vědec“, jak ho Google nazývá, není fyzický robot v laboratoři, ale sofistikovaný softwarový systém. Je postaven na Googleových nejnovějších modelech AI (zejména na modelu Gemini 2.0) a odráží způsob, jakým vědec uvažuje – od brainstormingu po kritiku nápadů. Místo toho, aby pouze shrnoval známé skutečnosti nebo vyhledával články, je systém navržen tak, aby objevoval originální znalosti a navrhoval skutečně nové hypotézy na základě existujících důkazů. Jinými slovy, ne pouze hledá odpovědi na otázky – pomáhá vynalézat nové otázky, které je třeba položit.

Google a jeho AI jednotka DeepMind dali prioritu aplikacím vědy pro AI, po úspěších jako AlphaFold, který využil AI k řešení 50 let staré hádanky proteinového skládání. S AI spolu-vědcem doufají „zrychlit hodinový stroj“ objevů v oblastech od biomedicíny po fyziku.

AI spolu-vědec (Google)

Jak funguje AI spolu-vědec

Pod kapotou je Googleův AI spolu-vědec ve skutečnosti složen z více specializovaných AI programů – můžete si je představit jako tým super-rychlejších výzkumných asistentů, každý s konkrétní rolí. Tyto AI agenti pracují společně v řetězci, který napodobuje vědeckou metodu: jeden generuje nápady, další je kritizují a rafinují, a nejlepší nápady jsou předány lidskému vědci.

Podle Googleovy výzkumné týmu je zde, jak proces probíhá:

• Generační agent – těží relevantní výzkum a syntetizuje existující poznatky, aby navrhl nové směry nebo hypotézy.
• Reflekční agent – funguje jako peer reviewer, kontroluje přesnost, kvalitu a originalitu navrhovaných hypotéz a vyřazuje chybné nápady.
• Řadívací agent – provádí „turnaj“ nápadů, efektivně nechává hypotézy soutěžit v simulovaných debatách, a poté je řadí podle toho, které se zdají nejperspektivnější.
• Proximitní agent – seskupuje podobné hypotézy a eliminuje duplikáty, aby výzkumník nebyl nucen přezkoumávat opakované nápady.
• Evoluční agent – bere nejlepší hypotézy a dále je rafinuje, využívaje analogií nebo zjednodušujících konceptů pro jasnost, aby vylepšil návrhy.
• Meta-recenze agent – nakonec kompiluje nejlepší nápady do koherentního výzkumného návrhu nebo přehledu pro lidského vědce k přezkoumání.

Klíčovým je, že lidský vědec zůstává v řetězci na každé fázi. AI spolu-vědec nefunguje v izolaci nebo nečiní finální rozhodnutí sám. Výzkumníci začínají tím, že vkládají výzkumný cíl nebo otázku v přirozeném jazyce – například cíl najít nové strategie pro léčbu určité nemoci – spolu s relevantními omezeními nebo počátečními nápady, které mají. AI systém pak prochází výše uvedeným cyklem, aby produkoval návrhy. Vědec může poskytnout zpětnou vazbu nebo upravit parametry, a AI bude iterovat znovu.

Google postavil systém tak, aby byl „určen pro spolupráci“, což znamená, že vědci mohou vkládat své vlastní semenné nápady nebo kritiku během procesu AI. AI může dokonce využít externí nástroje, jako je webová vyhledávání a další specializované modely, aby ověřily fakta nebo shromáždily data, zatímco pracuje, aby zajistily, že jeho hypotézy jsou založeny na nejnovějších informacích.

AI spolu-vědec agenti (Google)

Rychlejší cesta k průlomům

Vědci doufají, že dramaticky urychlí objevy tím, že budou outsourcovat část rutinní práce výzkumu – vyčerpávající literární recenze a počáteční brainstorming – na neúnavného stroje. AI spolu-vědec může přečíst mnohem více článků, než jakýkoli lidský, a nikdy nezbývá z čerstvých kombinací nápadů, které lze vyzkoušet.

„Má potenciál urychlit úsilí vědců o řešení velkých výzev ve vědě a medicíně,“ napsali výzkumníci v článku. Rané výsledky jsou povzbudivé. V jednom pokusu zaměřeném na jaterní fibrózu (jaterního sklerózu) Google hlásil, že každý přístup, který AI spolu-vědec navrhl, ukázal slibnou schopnost inhibovat faktory nemoci. Ve skutečnosti byly AI doporučení v tomto experimentu nebyly náhodné – shodovaly se s tím, co odborníci považují za věrohodné zásahy.

Navíc systém prokázal schopnost vylepšit lidské nápady s časem. Podle Google AI pokračoval v rafinování a optimalizaci řešení, která odborníci původně navrhli, což naznačuje, že může učit a přidávat.incrementální hodnotu nad lidskou odborností s každou iterací.

Další pozoruhodný test se týkal problému antibiotické rezistence. Výzkumníci zadali AI úkol vysvětlit, jak určitý genetický prvek pomáhá bakteriím šířit své rezistentní rysy. Neznámé pro AI, samostatný vědecký tým (v dosud nepublikované studii) již objevil mechanismus. AI dostal pouze základní informace a pár relevantních článků, a poté byl ponechán svému osudu. Během dvou dnů dospěl k témuž závěru, ke kterému dospěli lidský vědci.

„Tento závěr byl experimentálně ověřen v nezávislé výzkumné studii, které nebyla známa AI spolu-vědci během generování hypotéz,“ poznamenali autoři. Jinými slovy, AI dokázal znovuobjevit klíčový závěr sám, ukazující, že může spojit body způsobem, který se rovná lidské intuici – alespoň v případech, kdy existuje dostatek dat.

Dopady takové rychlosti a mezioborového dosahu jsou obrovské. Průlomy často nastávají, když se spojí poznatky z různých oborů, ale žádný jedinec nemůže být odborníkem na všechno. AI, který absorboval znalosti z genetiky, chemie, medicíny a dalších oblastí, by mohl navrhnout nápady, které by lidský specialista mohl přehlédnout. Googleova jednotka DeepMind již prokázala, jak transformační může být AI ve vědě s AlphaFold, který předpověděl 3D struktury proteinů a byl oslavován jako velký skok pro biologii. Tento úspěch, který urychlil objevy léků a vývoj vakcín, dokonce získal týmu DeepMind uznání spojené s Nobelovou cenou.

Nový AI spolu-vědec cílí na přinesení podobných skoků do každodenního výzkumného brainstormingu. Zatímco první aplikace byly v biomedicíně, systém by mohl být v principu aplikován na jakoukoli vědeckou oblast – od fyziky po environmentální vědu – protože metoda generování a ověřování hypotéz je oborově nezávislá. Výzkumníci by mohli použít jej k lovu nových materiálů, prozkoumání klimatických řešení nebo objevu nových matematických teorií. V každém případě je slib stejný: rychlejší cesta od otázky k poznání, potenciálně komprimující roky pokusů a omylů do mnohem kratšího časového rámce.