Googlein uusi tekoäly ”tiedemieskumppani” pyrkii kiihdyttämään tieteellistä löytöä

Kuvittele tutkimuspari, joka on lukenut kaikki tieteelliset artikkelit, joita sinulla on, ja joka keksii uusia kokeita ympäri vuorokauden. Google yrittää tehdä tästä visiosta todellisuutta uudella tekoälyjärjestelmällä, joka on suunniteltu toimimaan ”tiedemieskumppanina”.

Tämä tekoälyvoimainen avustaja voi siivilöidä valtavat tutkimuskirjastot, ehdottaa tuoreita hypoteeseja ja jopa luonnostella kokeen suunnitelmia – kaikki yhteistyössä ihmistutkijoiden kanssa. Googlein uusin työkalu, jota on testattu Stanfordin yliopistossa ja Imperial College Lontoon yliopistossa, käyttää edistynyttä päättelyä auttamaan tutkijoita synthesoimaan kirjallisuuden vuoria ja luomaan uusia ideoita. Tavoitteena on kiihdyttää tieteellisiä läpimurtoja tekemällä merkitystä tietoverkkoon ja ehdottamalla oivalluksia, joita ihminen saattaa missata.

Tämä ”tekoälytiedemieskumppani”, kuten Google sitä kutsuu, ei ole fyysinen robotti laboratoriossa, vaan monimutkainen ohjelmisto. Se on rakennettu Googlein uusimpien tekoälymallien (erityisesti Gemini 2.0 -mallin) päälle ja heijastaa tutkijoiden ajattelutapaa – aina ideoinnista ideoiden arvosteluun. Sen sijaan, että se vain tiivistäisi tunnettuja faktoja tai etsisi papereita, järjestelmä on tarkoitettu paljastamaan alkuperäistä tietoa ja ehdottamaan aitoja uusia hypoteeseja olemassa olevan näytön perusteella. Toisin sanoen se ei vain etsi vastauksia kysymyksiin – se auttaa keksimään uusia kysymyksiä, joita voidaan esittää.

Google ja sen tekoäly-yksikkö DeepMind ovat asettaneet tieteelliset sovellukset tekoälylle prioriteetiksi sen jälkeen, kun he ovat osoittaneet menestyksiä kuten AlphaFold, joka käytti tekoälyä ratkaisemaan 50-vuotisen proteiinien taittumisen arvoituksen. Tekoälytiedemieskumppanin avulla he toivovat ”kiihdyttävänsä löytöjen kellonopeutta” biolääketieteestä fysiikkaan.

Tekoälytiedemieskumppani (Google)

Miten tekoälytiedemieskumppani toimii

Googlein tekoälytiedemieskumppani koostuu itse asiassa useista erikoistuneista tekoälyohjelmista – ajattele niitä yhtenä joukkona supernopeita tutkimusavustajia, joilla kullakin on tietty rooli. Nämä tekoälyagentit toimivat yhdessä putkessa, joka jäljittelee tieteellistä menetelmää: yksi generoi ideoita, toiset arvostelevat ja jalostavat niitä, ja parhaat ideat välitetään ihmistutkijalle.

Googlein tutkimusryhmän mukaan prosessi etenee seuraavasti:

• Generoiva agentti – kaivaa relevanttia tutkimusta ja synthesoi olemassa olevia tuloksia ehdottamaan uusia väyliä tai hypoteeseja.
• Heijastava agentti – toimii vertaisarvioijana, tarkistamalla ehdotettujen hypoteesien tarkkuuden, laadun ja uutuuden ja poistamalla virheelliset ideat.
• Arvosteluagentti – suorittaa ”turnauksen” ideoista, jossa hypoteesit kilpailevat simuloituissa keskusteluissa, ja sitten arvostelee niitä sen mukaan, mitkä vaikuttavat lupaavimmilta.
• Läheisyysagentti – ryhmittelee samankaltaisia hypoteeseja yhteen ja poistaa duplikaatit, jotta tutkija ei tarvitse tarkastella toistuvia ideoita.
• Evolutiivinen agentti – ottaa parhaimmat hypoteesit ja jalostaa niitä edelleen, käyttäen analogioita tai yksinkertaistamalla käsitteitä selkeyden vuoksi parantamaan ehdotuksia.
• Meta-arvosteluentti – kokoaa lopulta parhaat ideat yhtenäiseksi tutkimussuunnitelmaksi tai yleiskatsaukseksi, jonka ihmistutkija voi tarkastella.

Olennaisesti ihmistutkija on mukana jokaisessa vaiheessa. Tekoälytiedemieskumppani ei toimi eristyneisyydessä tai tee yksin lopullisia päätöksiä. Tutkijat aloittavat syöttämällä tutkimustavoitteen tai kysymyksen luonnollisella kielellä – esimerkiksi tavoitteena löytää uusia strategioita tietyn sairauden hoitoon – sekä kaikki relevantit rajoitukset tai alkuperäiset ideat, joita heillä on. Tekoälyjärjestelmä sitten käy läpi yllä olevan syklin tuottaakseen ehdotuksia. Tutkija voi antaa palautetta tai säätää parametrejä, ja tekoäly toistaa prosessin.

Google rakensi järjestelmän ”tarkoitukseen sopivaksi yhteistyöhön”, mikä tarkoittaa, että tutkijat voivat lisätä omat siemenideansa tai arvostelunsa tekoälyn prosessiin. Tekoäly voi jopa käyttää ulkoisia työkaluja, kuten web-hakua ja muita erikoismalleja, tarkistamaan faktoja tai keräämään tietoja työskennellessään, varmistamaan, että sen hypoteesit perustuvat ajantasaisiin tietoihin.

Tekoälytiedemieskumppaniagentit (Google)

Nopeampi reitti läpimurtoihin

Ulkoistamalla osan tutkimuksen rutiinityöstä – perusteellisia kirjallisuuskatsauksia ja alkuaineiden ideoimista – väsymättömälle koneelle tutkijat toivovat voivansa dramaattisesti kiihdyttää löytöjä. Tekoälytiedemieskumppani voi lukea paljon enemmän papereita kuin ihminen, ja se ei koskaan lopeta uusia ideakombinaatioiden kokeilemista.

”Se voi kiihdyttää tutkijoiden pyrkimyksiä ratkaista tieteellisiä ja lääketieteellisiä haasteita”, hankeen tutkijat kirjoittivat paperissaan. Varhaiset tulokset ovat lupaavia. Yhdessä kokeessa, joka keskittyi maksaan sidekudosmuodostumiseen (maksan sidekudosmuodostumiseen), Google ilmoitti, että jokainen tekoälytiedemieskumppanin ehdottama lähestymistapa osoitti lupaavaa kykyä estää taudin aiheuttajia. Itse asiassa tekoälyn suositukset kyseisessä kokeessa eivät olleet satunnaisia – ne olivat asiantuntijoiden mukaan uskottavia interventioita.

Lisäksi järjestelmä osoitti kyvyn parantaa ihmisten keksimiä ratkaisuja ajan myötä. Googlen mukaan tekoäly jatkoi ratkaisujen jalostamista ja optimointia, joita asiantuntijat olivat alun perin ehdottaneet, osoittaen, että se voi oppia ja lisätä arvoa ihmisten asiantuntemuksen lisäksi jokaisen iteroinnin jälkeen.

Toinen merkittävä koe liittyi antibioottiresistenssin ongelmaan. Tutkijat pyysivät tekoälyä selittämään, miten tietty geneettinen tekijä auttoi bakteereja levittämään lääkeresistenssejään. Tekoälylle ei ollut tiedossa, että toinen tutkimusryhmä (julkaisemattomassa tutkimuksessa) oli jo löytänyt mekanismin. Tekoälylle annettiin vain perustiedot ja pariin relevanttiin paperiin, ja se jätettiin omilleen. Kahden päivän kuluttua se saavutti saman hypoteesin, jonka ihmistutkijat olivat jo keksineet.

”Tämä löytö vahvistettiin kokeellisesti itsenäisessä tutkimuksessa, joka oli tekoälytiedemieskumppanille tuntematon hypoteesin luomisen aikana”, kirjoittivat tekijät. Toisin sanoen tekoäly onnistui löytämään tärkeän oivalluksen itsenäisesti, osoittaen, että se voi yhdistää pistekohtia tavalla, joka vastaa ihmisen älykkyyttä – ainakin tapauksissa, joissa on runsaasti dataa.

Näiden nopeuden ja monitieteisen ulottuvuuden vaikutukset ovat valtavat. Läpimurrot tapahtuvat usein, kun eri alojen oivallukset törmäisevät toisiinsa, mutta kukaan ei voi olla asiantuntija kaikessa. Tekoäly, joka on omaksunut tietoa genetiikasta, kemiasta, lääketieteestä ja muista aiheista, voi ehdottaa ideoita, joita ihmisten erikoisosaajat saattavat huomioida. Googlen DeepMind-yksikkö on jo osoittanut, miten muuntava tekoäly voi olla tieteessä AlphaFoldin myötä, joka ennusti proteiinien 3D-rakenteita ja jota pidettiin suurena harppauksena biologian alalla. Tämä saavutus, joka nopeutti lääkekehitystä ja rokotteen kehittämistä, ansaitsi DeepMindin tiimille osan tieteen korkeimmista kunniamerkkejä (mukaan lukien tunnustus, joka liittyy Nobelin palkintoon).

Uusi tekoälytiedemieskumppani pyrkii tuomaan samanlaisia loikkia arkipäiväiseen tutkimuksen ideoimiseen. Vaikka ensimmäiset sovellukset ovat olleet biolääketieteessä, järjestelmää voidaan soveltaa periaatteessa mihin tahansa tieteelliseen alaan – fysiikasta ympäristötieteisiin – koska hypoteesien luominen ja arviointi on alaan riippumaton. Tutkijat voivat käyttää sitä uusien materiaalien metsästämiseen, ilmasto-ratkaisujen tutkimiseen tai uusien matemaattisten teoreemien löytämiseen. Jokaisessa tapauksessa lupaama on sama: nopeampi reitti kysymyksestä oivallukseen, mahdollisesti pakkaamalla vuosien mittaisen koehenkilöiden ja virheiden ajan lyhyempään aikajaksoon.