Новая система ИИ “Co-Scientist” от Google направлена на ускорение научных открытий

Представьте себе исследовательского партнера, который прочитал все научные статьи, которые вы прочитали, и неустанно генерирует новые эксперименты круглосуточно. Google (GOOGL ) пытается воплотить эту идею в жизнь с помощью новой системы ИИ, предназначенной для работы в качестве “со-ученого”.

Этот ИИ-ассистент может просеять через огромные библиотеки исследований, предложить новые гипотезы и даже разработать 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 горы литературы и генерировать новые идеи. Цель – ускорить научные прорывы, осмысливая информационную перегрузку и предлагая идеи, которые могут упустить из виду люди.

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

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

Со-ученый ИИ (Google)

Как работает со-ученый ИИ

Под капотом со-ученого ИИ Google на самом деле состоит из нескольких специализированных программ ИИ – можно представить их как команду супер-быстрых исследовательских ассистентов, каждый из которых имеет конкретную роль. Эти ИИ-агенты работают вместе в трубопроводе, имитирующем научный метод: один генерирует идеи, другие критикуют и совершенствуют их, и лучшие идеи передаются человеческому ученому.

По словам исследовательской команды Google, вот как проходит процесс:

• Агент генерации – добывает релевантные исследования и синтезирует существующие результаты, чтобы предложить новые направления 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 – наконец, компилирует лучшие идеи в связный исследовательский проект или обзор для человеческого ученого.

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

Google построил систему, чтобы она была “предназначена для сотрудничества”, что означает, что ученые могут вставить 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 ИИ (Google)

Быстрый путь к прорывам

Передавая часть рутинной работы исследований – тщательные обзоры литературы и первоначальное генерирование идей – неустанному машине, ученые надеются значительно ускорить открытия. Со-ученый ИИ может прочитать гораздо больше статей, чем любой человек, и он никогда не заканчивается свежими комбинациями идей, которые можно попробовать.

“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 ИИ, 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 первоначально предложили, указывая на то, что он может учиться и добавлять инкрементную ценность за пределами человеческой экспертизы с каждой итерацией.

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

“Этот результат был экспериментально подтвержден в независимом исследовательском исследовании, которое было неизвестно со-ученому во время генерации гипотез”, – отметили авторы. Другими словами, ИИ смог заново открыть ключевое прозрение самостоятельно, показав, что он может соединить точки таким образом, который соперничает с человеческой интуицией – по крайней мере, в случаях, когда существует достаточное количество 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 впитал знания из генетики, химии, медицины и многого другого, мог бы предложить идеи, которые человеческие специалисты могли бы упустить из виду. Подразделение DeepMind Google уже продемонстрировало, насколько трансформирующим может быть ИИ в науке, с AlphaFold, который предсказал трехмерные структуры белков и был признан значительным скачком вперед для биологии. Это достижение, которое ускорilo 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 биомедицине, система могла бы в принципе быть применена к любой научной области – от физики до экологической науки – поскольку метод генерации и проверки гипотез является дисциплина-агностическим. Исследователи могли бы 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 сжимая годы проб и ошибок в гораздо более короткий период.