Новая система ИИ “Со-ученый” Google направлена на ускорение научных открытий

Представьте себе партнера по исследованиям, который прочитал все научные статьи, которые вы прочитали, и неустанно генерирует новые эксперименты круглосуточно. Google пытается воплотить эту мечту в реальность с помощью новой системы ИИ, предназначенной для работы в качестве “со-ученого”.

Этот ИИ-ассистент может просеивать огромные библиотеки исследований, предлагать новые гипотезы и даже разрабатывать планы экспериментов – все это в сотрудничестве с человеческими исследователями. Последний инструмент Google, протестированный в Стэнфордском университете и Имперском колледже Лондона, использует продвинутые рассуждения, чтобы помочь ученым синтезировать огромное количество литературы и генерировать новые идеи. Цель состоит в том, чтобы ускорить научные прорывы, давая смысл информационной перегрузке и предлагая идеи, которые человек мог бы пропустить.

Этот “со-ученый”, как Google называет его, не является физическим роботом в лаборатории, а rather сложной программной системой. Он построен на основе последних моделей ИИ Google (в частности, модели Gemini 2.0) и отражает то, как ученые думают – от генерации идей до критики идей. Вместо того, чтобы просто суммировать известные факты или искать статьи, система предназначена для открытия оригинальных знаний и предложения действительно новых гипотез на основе существующих доказательств. Другими словами, он не просто находит ответы на вопросы – он помогает изобретать новые вопросы, которые нужно задать.

Google и его подразделение ИИ DeepMind отдали приоритет научным применением ИИ, после демонстрации успехов, таких как AlphaFold, который использовал ИИ для решения 50-летней загадки сворачивания белков. С помощью со-ученого они надеются “ускорить скорость открытий” в областях от биомедицины до физики.

Со-ученый (Google)

Как работает со-ученый

Под капотом со-ученый Google на самом деле состоит из нескольких специализированных программ ИИ – можно представить их как команду сверхбыстрых помощников по исследованиям, каждый из которых имеет конкретную роль. Эти агенты ИИ работают вместе в трубопроводе, который имитирует научный метод: один генерирует идеи, другие критикуют и совершенствуют их, и лучшие идеи передаются человеческому ученому.

По словам исследовательской команды Google, процесс разворачивается следующим образом:

• Агент генерации – добывает актуальные исследования и синтезирует существующие результаты, чтобы предложить новые подходы или гипотезы.
• Агент рефлексии – действует как рецензент, проверяя точность, качество и новизну предложенных гипотез и исключая ошибочные идеи.
• Агент ранжирования – проводит “турнир” идей, эффективно заставляя гипотезы соревноваться в симулированных дебатах, и затем ранжирует их на основе того, какие из них кажутся наиболее перспективными.
• Агент близости – группирует подобные гипотезы вместе и исключает дубликаты, чтобы исследователь не рассматривал повторяющиеся идеи.
• Агент эволюции – берет лучшие гипотезы и совершенствует их дальше, используя аналогии или упрощая понятия для ясности, чтобы улучшить предложения.
• Мета-агент рецензирования – окончательно компилирует лучшие идеи в связный исследовательский проект или обзор для рассмотрения человеческим ученым.

Критически важно, что человеческий ученый остается в цикле на каждом этапе. Со-ученый не работает в изоляции или не принимает окончательных решений самостоятельно. Исследователи начинают с подачи исследовательской цели или вопроса в естественном языке – например, цели найти новые стратегии лечения определенного заболевания – вместе с любыми актуальными ограничениями или начальными идеями, которые у них есть. Система ИИ затем проходит вышеуказанный цикл, чтобы произвести предложения. Ученый может предоставить обратную связь или скорректировать параметры, и ИИ будет повторять процесс снова.

Google построил систему, чтобы она была “предназначена для сотрудничества”, что означает, что ученые могут вставлять свои собственные семенные идеи или критику во время процесса ИИ. ИИ даже может использовать внешние инструменты, такие как веб-поиск и другие специализированные модели, чтобы проверить факты или собрать данные, пока он работает, гарантируя, что его гипотезы основаны на актуальной информации.

Агенты со-ученого (Google)

Быстрее к прорывам

Выделение некоторых рутинных задач исследований – тщательных обзоров литературы и первоначального генерирования идей – неустанному машинному устройству, ученые надеются значительно ускорить открытия. Со-ученый может прочитать гораздо больше статей, чем любой человек, и он никогда не заканчивается свежими комбинациями идей для попыток.

“У него есть потенциал ускорить усилия ученых по решению грандиозных проблем в науке и медицине”, – написали исследователи проекта в статье. Ранние результаты обнадеживающие. В одном испытании, сосредоточенном на фиброзе печени (рубцевании печени), Google сообщил, что каждый подход, предложенный со-ученым, показал перспективную способность ингибировать факторы заболевания. На самом деле, рекомендации ИИ в этом эксперименте не были выстрелами в темноте – они совпадали с тем, что эксперты считают правдоподобными вмешательствами.

Кроме того, система продемонстрировала способность улучшать решения, разработанные людьми, с течением времени. Согласно Google, ИИ продолжал совершенствовать и оптимизировать решения, которые эксперты изначально предложили, указывая на то, что он может учиться и добавлять инкрементную ценность за пределами человеческой экспертизы с каждым повторением.

Другой замечательный тест включал проблему антибиотикорезистентности. Исследователи поручили ИИ объяснить, как определенный генетический элемент помогает бактериям распространять свои устойчивые к лекарствам черты. Неизвестно для ИИ, отдельная научная команда (в еще не опубликованном исследовании) уже открыла механизм. ИИ был дан только базовая информация и пара актуальных статей, затем оставлен наедине с собой. В течение двух дней он пришел к той же гипотезе, которую предложили человеческие ученые.

“Это открытие было экспериментально подтверждено в независимом исследовательском исследовании, которое было неизвестно со-ученому во время генерации гипотезы”, – отметили авторы. Другими словами, ИИ смог заново открыть ключевое прозрение самостоятельно, показав, что он может соединить точки таким образом, который соперничает с человеческим интуитивным пониманием – по крайней мере, в случаях, когда существует много данных.

Последствия такой скорости и междисциплинарного охвата огромны. Прорывы часто происходят, когда идеи из разных областей сталкиваются, но ни один человек не может быть экспертом во всем. ИИ, который усвоил знания по генетике, химии, медицине и многому другому, может предложить идеи, которые человеческие специалисты могли бы пропустить. Подразделение Google DeepMind уже продемонстрировало, насколько трансформирующим может быть ИИ в науке с AlphaFold, который предсказал трехмерные структуры белков и был признан крупным скачком вперед для биологии. Это достижение, которое ускорило открытие лекарств и разработку вакцин, даже принесло команде DeepMind долю высших научных наград (включая признание, связанное с Нобелевской премией).

Новый со-ученый ИИ направлен на то, чтобы принести подобные скачки в повседневное исследовательское мозговое штурмование. Хотя первые применения были в биомедицинской области, система может быть применена в принципе к любой научной области – от физики до экологической науки – поскольку метод генерации и проверки гипотез является агностическим по отношению к дисциплинам. Исследователи могут использовать его, чтобы охотиться за новыми материалами, исследовать климатические решения или открывать новые математические теоремы. В каждом случае обещание одно и то же: более быстрый путь от вопроса к прозрению, потенциально сжимающий годы проб и ошибок в гораздо более короткий срок.