์ธ๊ณต์ง๋ฅ
FutureHouse, ์ด์ง๋ฅ AI ์์ด์ ํธ ๊ณต๊ฐ๋ก ๊ณผํ์ ๋ฐ๊ฒฌ้ฉๅฝํ
데이터 생성 속도가 처리 및 이해하는 우리의 능력을 훨씬 초과하는 세계에서, 과학적 진보는 정보의 부족으로 인해 아니라 그것을 탐색하는 도전으로 점점 더 방해받고 있습니다. 오늘은 그 풍경에서 결정적인 전환을 표시합니다. FutureHouse, AI 과학자를 구축하기 위해 헌신하는 야심적인 비영리 단체는 FutureHouse 플랫폼을 출시하여 모든 연구자에게 과학적 발견을 가속화하기 위해 특별히 구축된 초지능 AI 에이전트에 대한 액세스를 제공했습니다. 이 플랫폼은 생물학, 화학, 의학을 탐색하는 방법을 재정의할 수 있습니다.
새로운 과학 시대에 설계된 플랫폼
FutureHouse 플랫폼은 단순히 논문을 요약하거나 인용을 생성하는 또 다른 도구가 아닙니다. 이것은 현대 과학의 주요 아픔 점을 해결하기 위해 설계된 4개의 깊이 전문가 AI 에이전트를 도입하는 목적을 가진 연구 엔진입니다.
Crow는 복잡한 과학적 질문에 대한 빠른, 고품질 답변을 필요로 하는 연구자를 위한 일반 에이전트입니다. 웹 인터페이스를 통해 사용하거나 API를 통해 연구 파이프라인에 직접 통합하여 실시간 자동 과학적 통찰력을 허용할 수 있습니다.
Falcon, 라인업에서 가장 강력한 문헌 분석 도구는 광범위한 오픈 액세스 корпус와 OpenTargets와 같은 사유 과학 데이터베이스에서 깊은 검토를 수행하여 키워드 일치以外에 의미 있는 컨텍스트를 추출하고 수십 또는 수백 개의 출판물에서 정보에 기반한 결론을 도출합니다.
Owl, 이전에 HasAnyone으로 알려진 것은 놀랍게도 기초적인 질문에 대한 답변을 제공합니다. 누군가 이미 이것을 했나요? 새로운 실험을 제안하거나 미지의 기술을 조사하는 경우 Owl은 귀하의 작업이 중복되지 않도록 도와주고 탐색할 가치가 있는 간격을 식별합니다.
Phoenix, 여전히 실험적 릴리즈는 화학자를 지원하도록 설계되었습니다. ChemCrow의 후손이며 새로운 화합물을 제안하고 반응을 예측하며 용해도, 신규성 및 합성 비용을 고려하여 실험실 실험을 계획할 수 있습니다.
이 에이전트들은 일반적인 대화에 대해 훈련되지 않았습니다. 그들은 실제 연구에서 실제 문제를 해결하기 위해 구축되었습니다. 그것들은 주요 AI 시스템과 비교하여 벤치마크되었으며 인간 과학자와의 대면 평가에서 테스트되었습니다. 결과는 문헌 검색 및 합성과 같은 많은 작업에서 FutureHouse 에이전트가 PhD보다 더 높은 정밀도와 정확도를 보여주었습니다. 에이전트들은 단순히 검색하지 않습니다. 그들은 증거를 평가하고 모순을 식별하며 투명하고 감사 가능한 방식으로 결론을 정당화합니다.
과학자를 위한 과학자에 의해 구축됨
FutureHouse 플랫폼을 유일하게 강력하게 만드는 것은 AI 엔지니어링과 실험 과학의 깊은 통합입니다. 많은 AI 이니셔티브가 추상적으로 작동하는 반면 FutureHouse는 샌프란시스코에自己的 湿実験실을 운영합니다. 그곳에서 실험 생물학자들은 AI 연구자와 손에 손으로 협력하여 실제 사용 사례에 따라 플랫폼을 반복적으로 개선하여 기계와 인간의 발견 사이에緊密한 피드백 루프를 생성합니다.
이 노력은 FutureHouse가 과학의 자동화를 모델링하기 위해 개발한 더 큰 아키텍처의 일부입니다. 기본에는 AlphaFold와 다른 예측 모델과 같은 AI 도구가 있습니다. 다음 레이어는 Crow, Falcon, Owl 및 Phoenix와 같은 특정 과학 워크플로를 실행할 수 있는 AI 어시스턴트로 구성됩니다. 그 위에는 모델을 구축하고 가설을 생성하며 모델을 정제하기 위한 실험을 설계할 수 있는 지능형 시스템인 AI 과학자가 있습니다. 마지막으로 인간 과학자는 “퀘스트”를 제공합니다. 알츠하이머병을 치료하는 것, 뇌 기능을 해독하는 것, 또는 보편적인 유전자 전달을 가능하게 하는 것과 같은 큰 질문입니다.
이 4층 프레임워크를 통해 FutureHouse는 과학을 규모에 따라 다루고, 연구자가 어떻게 일하는지 개선하는 것뿐만 아니라 무엇이 가능한지 재정의할 수 있습니다. 이 새로운 구조에서 인간 과학자는 더 이상 과학 문헌을 읽고, 비교하고, 종합하는 수동 노동에 의해 병목되지 않습니다. 대신, 그들은 자동 시스템의 오케스트레이터가 되어 모든 논문을 읽고, 모든 실험을 분석하고, 새로운 데이터에 지속적으로 적응할 수 있습니다.
이 모델의 철학은 명확합니다. 인공 지능은 과학자를 대체하지 말아야 합니다. 그것은 그들의 영향을 배로 늘려야 합니다. FutureHouse의 비전에서 AI는 진정한 협력자가 되어 더 많은 아이디어를 더 빠르게 탐색하고 지식의 경계를 더 적은 마찰로 밀어붙일 수 있습니다.
새로운 발견 인프라
FutureHouse의 플랫폼은 과학이 규모에 따라 확대할 준비가 되었지만 그렇게 하기 위한 인프라가 부족한 시기에 도착했습니다. 게놈, 단일 세포 시퀀싱 및 계산 화학의 발전으로 동시에 수천 개의 가설을 테스트하는 실험을 실행할 수 있게 되었습니다. 그러나 연구자는 혼자서 그렇게 많은 실험을 설계하거나 분석할 수 있는 대역폭을 가지고 있지 않습니다. 결과는 글로벌적인 과학적 기회의 백로그입니다. 이는 평범한 시야에 숨겨진 미탐색된 전방입니다.
플랫폼은 통로를 제공합니다. 연구자는 이를 사용하여 질병에서 탐색되지 않은 메커니즘을 식별하거나 논란의 여지가 있는 분야에서 문헌을 해결하거나 발행된 연구의 강점과 한계를 신속하게 평가할 수 있습니다. Phoenix는 비용, 반응성 및 신규성에 따라 새로운 분자 화합물을 제안할 수 있습니다. Falcon은 문헌이 충돌하거나 불완전한 곳을 감지할 수 있습니다. Owl은 당신이 견고한 기초 위에 서 있지 않고 바퀴를 재발명하지 않는다는 것을 보장할 수 있습니다.
그리고 아마도 가장 중요한 것은 플랫폼이 통합을 위해 설계되었다는 것입니다. API를 통해 연구 랩은 연속적인 문헌 모니터링을 자동화하거나 새로운 실험 결과에 대한 검색을 트리거하거나 팀을 확장하지 않고도 확장할 수 있는 사용자 지정 연구 파이프라인을 구축할 수 있습니다.
이것은 단순한 생산성 도구 이상입니다. 이것은 21세기 과학을 위한 인프라 레이어입니다. 그리고 그것은 무료로 공개적으로 사용 가능하며 피드백에 개방되어 있습니다. FutureHouse는 연구자, 연구소 및 기관을 초대하여 플랫폼을 탐색하고 그 발전에 영향을 미칠 수 있습니다.
구글의 전 CEO Eric Schmidt의 지원과 과학적 비전가들인 Andrew White와 Adam Marblestone를 포함한 이사회와 함께 FutureHouse는 단기적인 응용 프로그램만을 추구하지 않습니다. 비영리 단체로서 그들의 임무는 근본적으로 장기적으로 되어 있습니다. 과학적 발견을 수직적으로 그리고 수평적으로 확대할 수 있는 시스템을 구축하는 것입니다. 각 연구자가 기하급수적으로 더 많은 것을 할 수 있도록 하여 과학을 모든 사람, 모든 곳에서 접근할 수 있게 합니다.
복잡성과 노イズ로 압도되는 연구 세계에서 FutureHouse는 명확성, 속도 및 협력을 제공합니다. 과학의 가장 큰 제한이 오늘날 시간이라면 FutureHouse는 บาง 시간을 돌려주었습니다.
