Googlein Uusi AI “Co-Scientist” Pyrkii Kiihdyttämään Tieteellistä Löytöä

Kuvittele tutkimuspari, joka on lukenut kaikki tieteelliset artikkelit, joita sinä olet, ja joka keksii uusia kokeita ympäri vuorokauden. Google (GOOGL ) yrittää tehdä tästä visiosta todellisuutta uudella AI-järjestelmällä, joka on suunniteltu toimimaan “co-scientistina”.

Tämä tekoälypohjainen avustaja voi siivilöidä valtavat tutkimuskirjastot, ehdottaa uusia hypoteeseja ja jopa luonnostella kokeen suunnitelmia – kaikki yhteistyössä ihmistutkijoiden kanssa. Googlein uusin työkalu, jota on testattu Stanfordin yliopistossa ja Imperial College Lontoon, käyttää edistynyttä päättelyä auttamaan tutkijoita yhdistämään valtavat kirjallisuudet ja luomaan uusia ideoita. Tavoitteena on nopeuttaa tieteellisiä läpimurtoja tekemällä järkeä tietoverkkaisuudesta ja ehdottamalla oivalluksia, joita ihminen voi jättää huomiotta.

Tämä “AI-co-scientist”, kuten Google sitä kutsuu, ei ole fyysinen robotti laboratoriossa, vaan sofistikoitunut ohjelmisto. Se on rakennettu Googlein uusimpien AI-mallien (muun muassa Gemini 2.0-malli) päälle ja heijastaa tutkijoiden ajattelutapaa – aina ideoinnista ideoiden arvostelua. Sen sijaan, että se vain tiivistäisi tunnettuja faktoja tai etsisi artikkeleita, järjestelmä on tarkoitettu paljastamaan alkuperäistä tietoa ja ehdottamaan aitoja uusia hypoteeseja olemassa olevan näytön perusteella. Toisin sanoen, se ei vain löydä vastauksia kysymyksiin – se auttaa keksimään uusia kysymyksiä, joita voidaan kysyä.

Google ja sen AI-yksikkö DeepMind ovat priorisointaneet tieteellisiä sovelluksia AI:lle, sen jälkeen, kun he ovat osoittaneet menestyksiä kuten AlphaFold, joka käytti AI:ta ratkaisemaan 50-vuotisen proteiinien taittumisen arvoituksen. AI-co-scientistin avulla he toivovat “kiihdyttävänsä löytöjen kellonopeutta” biolääketieteestä fysiikkaan.

AI-co-scientist (Google)

Miten AI-Co-Scientist Toimii

Moottorin alla Googlein AI-co-scientist on itse asiassa useista erikoistuneista AI-ohjelmista koostuva – ajattele niitä supernopeina tutkimusavustajina, joilla kullakin on tietty rooli. Nämä AI-agentit työskentelevät yhdessä putkessa, joka jäljittelee tieteellistä menetelmää: yksi luo ideoita, toiset arvostelevat ja jalostavat niitä, ja parhaat ideat välitetään ihmistutkijalle.

Googlein tutkimusryhmän mukaan prosessi etenee seuraavasti:

• Generaattori – kaivaa relevanttia tutkimusta ja yhdistää olemassa olevia tuloksia ehdottamaan uusia polkuja tai hypoteeseja.
• Heijastusagentti – toimii vertaisarvioijana, tarkistamalla ehdotettujen hypoteesien tarkkuuden, laadun ja uudisuuden ja poistamalla virheelliset ideat.
• Luokitusagentti – suorittaa “turnauksen” ideoista, jossa hypoteesit kilpailevat simuloituissa keskusteluissa, ja sitten luokittelee ne sen mukaan, mitkä näyttävät lupaavimmilta.
• Läheisyysagentti – ryhmittelee samankaltaisia hypoteeseja yhdessä ja poistaa duplikaatit, jotta tutkija ei arvioi toistuvia ideoita.
• Evoluutioagentti – ottaa parhaat hypoteesit ja jalostaa niitä edelleen, käyttäen analogioita tai yksinkertaistamalla käsitteitä selkeyden vuoksi parantamaan ehdotuksia.
• Meta-arvioagentti – lopulta kokoaa parhaat ideat yhtenäiseksi tutkimussuunnitelmaksi tai yleiskatsaukseksi, jonka ihmistutkija voi arvioida.

Olennaisesti, ihmistutkija on mukana jokaisessa vaiheessa. AI-co-scientist ei toimi eristyneisyydessä tai tee lopullisia päätöksiä omin luvin. Tutkijat aloittavat syöttämällä tutkimustavoitteen tai kysymyksen luonnollisella kielellä – esimerkiksi tavoitteena löytää uusia strategioita tietyn sairauden hoitoon – sekä kaikki relevantit rajoitukset tai alkuideoita, joita heillä on. AI-järjestelmä sitten suorittaa ehdotukset. Tutkija voi antaa palautetta tai säätää parametreja, ja AI toistaa prosessin.

Google rakensi järjestelmän “tarkoitukseen suunnitelluksi yhteistyöhön”, mikä tarkoittaa, että tutkijat voivat lisätä omat siemensyötteensä tai arvostelunsa AI-prosessiin. AI voi jopa käyttää ulkoisia työkaluja, kuten web-hakua ja muita erikoistuneita malleja, tarkistamaan faktoja tai keräämään tietoja, kun se työskentelee, varmistaen, että sen hypoteesit perustuvat ajantasaisiin tietoihin.

AI-co-scientist-agentit (Google)

Nopeampi Polku Löytöihin

Ulkoistamalla osan tutkimuksen raskasta työtä – perusteellisia kirjallisuuskatsauksia ja alkuideoinnin – kestämättömälle koneelle, tutkijat toivovat voivansa nopeuttaa löytöjä merkittävästi. AI-co-scientist voi lukea paljon enemmän artikkeleita kuin ihminen, ja se ei koskaan lopeta uusia ideoiden yhdistelyä.

“Se voi kiihdyttää tutkijoiden pyrkimyksiä ratkaista suuria haasteita tieteessä ja lääketieteessä,” hankeen tutkijat kirjoittivat paperissaan. Varhaiset tulokset ovat lupaavia. Yhdessä kokeessa, joka keskittyi maksan fibroosiin (maksan sidekudosmuutoksiin), Google ilmoitti, että jokainen AI-co-scientistin ehdottama lähestymistapa osoitti lupaavaa kykyä estää taudin aiheuttajia. Itse asiassa AI:n suositukset kokeessa eivät olleet satunnaisia – ne olivat linjassa asiantuntijoiden käsitysten kanssa.

Lisäksi järjestelmä osoitti kykynsä parantaa ihmisten keksimiä ratkaisuja ajan myötä. Googlen mukaan AI jatkoi ja optimoi asiantuntijoiden alun perin ehdottamia ratkaisuja, osoittaen, että se voi oppia ja lisätä arvoa ihmisten asiantuntemuksen lisäksi kunkin iteraation aikana.

Toinen merkittävä koe liittyi antibioottiresistenssin arkaaiseen ongelmaan. Tutkijat pyysivät AI:ta selittämään, miten tietty geneettinen tekijä auttoi bakteereja levittämään resistenssejä. AI:lle annettiin vain perustiedot ja pariin relevanttiin artikkeliin, ja se jätettiin omilleen. Kahden päivän kuluttua se saavutti saman hypoteesin, jonka ihmistutkijat olivat jo löytäneet.

“Tämä löytö vahvistettiin kokeellisesti itsenäisessä tutkimuksessa, jota co-scientist ei tiennyt hypoteesin muodostamisen aikana”, kirjoittivat tekijät. Toisin sanoen, AI onnistui löytämään tärkeän oivalluksen omin luvin, osoittaen, että se voi yhdistää pisteitä tavalla, joka vastaa ihmisen älyä – ainakin tapauksissa, joissa on runsaasti dataa.

Tällaisen nopeuden ja monitieteisen ulottuvuuden vaikutukset ovat valtavat. Löydöt usein tapahtuvat, kun eri alojen oivallukset törmäilevät, mutta kukaan ei voi olla asiantuntija kaikessa. Tekoäly, joka on omaksunut tietoa geneetikasta, kemiasta, lääketieteestä ja muista aloista, voi ehdottaa ideoita, joita ihmisten erikoisalat voivat jättää huomiotta. Googlen DeepMind-yksikkö on jo osoittanut, miten muuntava AI voi olla tieteessä AlphaFoldilla, joka ennusti proteiinien 3D-rakenteita ja jota kehuttiin merkittävänä edistysaskelena biologian alalla.

Uusi AI-co-scientist pyrkii tuomaan samanlaisia loikkia arkipäiväiseen tutkimuksen ideoinnissa. Vaikka ensimmäiset sovellukset ovat olleet biolääketieteessä, järjestelmää voidaan soveltaa periaatteessa mihin tahansa tieteelliseen alaan – fysiikasta ympäristötieteisiin – koska hypoteesien luominen ja arviointi on tieteenalakohtainen. Tutkijat voivat käyttää sitä etsimään uusia materiaaleja, tutkimaan ilmastonmuutoksen ratkaisuja tai löytämään uusia matemaattisia teoreemoja. Jokaisessa tapauksessa lupaama on sama: nopeampi polku kysymyksestä oivallukseen, mahdollisesti pakkaamalla vuosia kestävän koehenkilöiden ja virheiden ajan lyhyempään aikaan.