Nowy AI „Współnaukowiec” Google ma przyspieszyć odkrycia naukowe

Wyobraź sobie partnera badawczego, który przeczytał wszystkie Twoje naukowe prace, nieustannie generując nowe eksperymenty przez całą dobę. Google (GOOGL ) próbuje zrealizować tę wizję, tworząc nowy system AI, który ma działać jako „współnaukowiec”.

Ten wspomagany przez AI asystent może przeszukiwać ogromne biblioteki badań, proponować nowe hipotezy i nawet opracowywać plany eksperymentów – wszystko we współpracy z ludzkimi badaczami. Najnowsze narzędzie Google, przetestowane na Uniwersytecie Stanforda i Imperial College London, wykorzystuje zaawansowane rozumowanie, aby pomóc naukowcom syntetyzować ogromne ilości literatury i generować nowe idee. Celem jest przyspieszenie naukowych przełomów, dzięki czemu można zrozumieć przeciążenie informacjami i sugerować spostrzeżenia, których ludzie mogliby nie zauważyć.

Ten „współnaukowiec AI”, jak Google nazywa go, nie jest fizycznym robotem w laboratorium, ale zaawansowanym systemem oprogramowania. Zbudowany jest na najnowszych modelach AI Google (w szczególności modelu Gemini 2.0) i odzwierciedla sposób myślenia naukowców – od generowania pomysłów po krytykę idei. Zamiast tylko podsumowywać znane fakty lub wyszukiwać artykuły, system jest przeznaczony do odkrywania oryginalnej wiedzy i proponowania naprawdę nowych hipotez na podstawie istniejących dowodów. Innymi słowy, nie tylko znajduje odpowiedzi na pytania – pomaga wymyślać nowe pytania do zadania.

Google i jego jednostka AI DeepMind priorytetowo traktują aplikacje naukowe AI, po udowodnieniu sukcesów takich jak AlphaFold, który wykorzystał AI do rozwiązania 50-letniej zagadki składania białek. Z współnaukowcem AI mają nadzieję „przyspieszyć szybkość zegara” odkryć w dziedzinach od biomedycyny do fizyki.

Współnaukowiec AI (Google)

Jak działa współnaukowiec AI

Pod powierzchnią współnaukowiec AI Google składa się z wielu specjalistycznych programów AI – można je traktować jako zespół super-szybkich asystentów badawczych, każdy z określoną rolą. Ci agenci AI współpracują w potoku, który naśladuje naukową metodę: jeden generuje idee, inni je krytykują i doskonalą, a najlepsze idee są przekazywane ludzkim naukowcom.

Zgodnie z zespołem badawczym Google, oto jak przebiega proces:

• Agent generujący – wydobywa istotne badania i syntetyzuje istniejące wyniki, aby zaproponować nowe drogi lub hipotezy.
• Agent refleksyjny – działa jako recenzent, sprawdzając dokładność, jakość i nowość proponowanych hipotez i eliminując błędne idee.
• Agent rankingowy – prowadzi „turniej” idei, skutecznie mając hipotezy konkurujące w symulowanych debatach, a następnie ranguje je pod względem tego, które wydają się najbardziej obiecujące.
• Agent bliskości – grupuje podobne hipotezy razem i eliminuje duplikaty, aby badacz nie przeglądał powtarzających się idei.
• Agent ewolucyjny – bierze najlepsze hipotezy i doskonali je dalej, wykorzystując analogie lub upraszczając pojęcia, aby poprawić propozycje.
• Agent meta-recenzent – ostatecznie kompiluje najlepsze idee w spójny plan badawczy lub przegląd dla ludzkiego naukowca do przeglądu.

Kluczowe jest to, że ludzki naukowiec pozostaje w pętli na każdym etapie. Współnaukowiec AI nie działa w izolacji ani nie podejmuje ostatecznych decyzji samodzielnie. Badacze zaczynają od wprowadzenia celu badawczego lub pytania w języku naturalnym – na przykład celu znalezienia nowych strategii leczenia określonej choroby – wraz z wszelkimi istotnymi ograniczeniami lub początkowymi pomysłami, które mają. System AI następnie przechodzi przez cykl powyżej, aby wygenerować sugestie. Naukowiec może udzielić informacji zwrotnej lub dostosować parametry, a AI będzie iterować ponownie.

Google zbudował system, aby był „stworzony do współpracy”, co oznacza, że naukowcy mogą wstawiać własne pomysły nasienne lub krytykę podczas procesu AI. AI może nawet wykorzystywać zewnętrzne narzędzia, takie jak wyszukiwanie w sieci i inne specjalistyczne modele, aby podwójnie sprawdzić fakty lub zgromadzić dane, gdy pracuje, zapewniając, że jego hipotezy są uzasadnione najnowszymi informacjami.

Agenci współnaukowca AI (Google)

Szybsza ścieżka do przełomów

Przez to, że część pracy badawczej – wyczerpujących przeglądów literatury i początkowego generowania pomysłów – jest zlecona niezawodnej maszynie, naukowcy mają nadzieję znacznie przyspieszyć odkrycia. Współnaukowiec AI może przeczytać o wiele więcej artykułów niż jakikolwiek człowiek i nigdy nie kończy się świeżych kombinacji pomysłów do wypróbowania.

„Ma potencjał, aby przyspieszyć wysiłki naukowców w celu rozwiązania wielkich wyzwań w nauce i medycynie”, napisali badacze projektu w artykule. Wczesne wyniki są obiecujące. W jednym teście dotyczącym włóknienia wątroby (bliznowacenia wątroby), Google zgłosiło, że każdy podejście zaproponowane przez współnaukowca AI wykazało obiecującą zdolność do hamowania czynników choroby. W rzeczywistości zalecenia AI w tym eksperymencie nie były strzałami w ciemność – zgadzały się z tym, co eksperci uważają za prawdopodobne interwencje.

Ponadto system wykazał zdolność do udoskonalania rozwiązań opracowanych przez ludzi w czasie. Zgodnie z Google, AI nieustannie udoskonalał i optymalizował rozwiązania, które eksperci pierwotnie zaproponowali, wskazując, że może się uczyć i dodawać wartość ponad ludzką ekspertyzę przy każdej iteracji.

Inny godny uwagi test obejmował problem oporności na antybiotyki. Badacze poprosili AI o wyjaśnienie, w jaki sposób pewien element genetyczny pomaga bakteriom rozprzestrzeniać swoje cechy oporne na leki. Nieznany AI, oddzielny zespół naukowy (w nieopublikowanej dotąd pracy) już odkrył mechanizm. AI otrzymał tylko podstawowe informacje tła i kilka istotnych artykułów, a następnie został pozostawiony samemu sobie. W ciągu dwóch dni dotarł do tej samej hipotezy, co naukowcy.

„To odkrycie zostało potwierdzone eksperymentalnie w niezależnym badaniu, które było nieznane współnaukowcowi AI podczas generowania hipotez”, zauważyli autorzy. Innymi słowy, AI udało się odkryć kluczowe spostrzeżenie samodzielnie, pokazując, że może łączyć punkty w sposób rywalizujący z ludzką intuicją – przynajmniej w przypadkach, gdy istnieją obszerne dane.

Wnioski z takiej szybkości i interdyscyplinarnego zasięgu są ogromne. Przełomy często występują, gdy spostrzeżenia z różnych dziedzin zderzają się, ale żadna osoba nie może być ekspertem we wszystkim. AI, który wchłonął wiedzę z genetyki, chemii, medycyny i więcej, mógłby proponować idee, których specjaliści mogliby pominąć. Jednostka DeepMind Google już udowodniła, jak przekształcący może być AI w nauce z AlphaFold, który przewidział struktury trójwymiarowe białek i został uznany za wielki skok naprzód w biologii. To osiągnięcie, które przyspieszyło odkrywanie leków i rozwój szczepionek, nawet przyniosło zespołowi DeepMind udział w najwyższych wyróżnieniach naukowych (w tym uznanie związane z Nagrodą Nobla).

Nowy współnaukowiec AI ma na celu przynieść podobne skoki w codzienne badania. Chociaż pierwsze aplikacje były w biomedycynie, system może być zastosowany w zasadzie w każdej dziedzinie nauki – od fizyki do nauki o środowisku – ponieważ metoda generowania i weryfikowania hipotez jest niezależna od dyscypliny. Badacze mogą go wykorzystywać do polowania na nowe materiały, eksplorowania rozwiązań klimatycznych lub odkrywania nowych twierdzeń matematycznych. W każdym przypadku obietnica jest taka sama: szybsza ścieżka od pytania do spostrzeżenia, potencjalnie kompresując lata prób i błędów w znacznie krótszy okres.