Įsivaizduokite tyrimo partnerį, kuris perskaitė kiekvieną jūsų turimą mokslinį popierių, nenuilstamai mintį apie naujus eksperimentus visą parą. „Google“ bando šią viziją paversti realybe naudodama naują AI sistemą, skirtą veikti kaip „mokslininkui“.
Šis AI varomas asistentas gali atsijoti didžiules tyrimų bibliotekas, pasiūlyti naujų hipotezių ir netgi išdėstyti eksperimentų planus-visi bendradarbiaudami su žmonių tyrėjais. Naujausias „Google“ įrankis, išbandytas Stanfordo universitete ir Londono Imperijos koledže, naudoja pažangias samprotavimus, kad padėtų mokslininkams sintetinti literatūros kalnus ir generuoti naujas idėjas. Tikslas yra pagreitinti mokslinius proveržius suvokiant informacijos perkrovą ir siūlant įžvalgas, kurių gali praleisti žmogus.
Tai “AI mokslininkas“, Kaip tai vadina„ Google “, nėra fizinis robotas laboratorijoje, o sudėtinga programinės įrangos sistema. Jis sukurtas naujausiais „Google“ AI modeliais (ypač „Gemini 2.0“ modelis) ir atspindi tai, kaip mąsto mokslininkai – nuo smegenų šturmo iki kritikavimo idėjų. Užuot ką tik apibendrinę žinomus faktus ar ieškant dokumentų, sistema yra skirta atskleisti originalias žinias ir pasiūlyti tikrai naujas hipotezes, pagrįstus esamais įrodymais. Kitaip tariant, tai ne tik randa atsakymus į klausimus – tai padeda išrasti naujus klausimus, kuriuos reikia užduoti.
„Google“ ir jos AI blokas Deepmind prioritetą teikė AI mokslo programoms, parodžius sėkmes, tokias kaip Alfafoldaskuris panaudojo AI, kad išspręstų 50 metų senumo baltymų sulankstymo galvosūkį. Naudodamiesi AI mokslininku, jie tikisi „paspartinti laikrodžio greitį“ atradimų laukuose nuo biomedicinos iki fizikos.
AI mokslininkas („Google“)
Kaip veikia AI mokslininkas
Po gaubtu „Google“ AI mokslininką iš tikrųjų sudaro kelios specializuotos AI programos-pagalvokite apie jas kaip apie ypač greitų tyrimų padėjėjų komandą, kurių kiekvienas turi specifinį vaidmenį. Šie AI agentai Dirbkite kartu vamzdyne, imituojančiu mokslinį metodą: vienas generuoja idėjas, kiti – kritikuoja ir tobulina, o geriausios idėjos yra perduodamos žmogaus mokslininkui.
Anot „Google“ tyrimų komandos, čia atsiskleidžia procesas:
- Kartos agentas – Kasyklos Atitinkami tyrimai ir sintezuoja esamas išvadas, kad būtų pasiūlytos naujos galimybės ar hipotezės.
- Apmąstymų agentas – veikia kaip tarpusavio apžvalgininkas, tikrindamas siūlomų hipotezių tikslumą, kokybę ir naujovę ir ravėti ydingas idėjas.
- Reitingo agentas – Vyksta idėjų „turnyras“, iš tikrųjų hipotezės konkuruoja imituojamose diskusijose, ir tada jas reitinguoja pagal tai, kas atrodo perspektyviausia.
- Artumo agentas – Grupės panašios hipotezės kartu ir pašalina dublikatus, todėl tyrėjas neperžiūri pasikartojančių idėjų.
- Evoliucijos agentas -paima aukščiausio rango hipotezes ir juos toliau tobulina, naudodamiesi analogijomis arba supaprastindami aiškumo sąvokas, kad patobulintumėte pasiūlymus.
- „Meta-Review Agent“ – Pagaliau sukaupia geriausias idėjas į nuoseklų tyrimų pasiūlymą ar apžvalgą, kad žmonių mokslininkas galėtų peržiūrėti.
Svarbiausia, kad žmogaus mokslininkas kiekviename etape išlieka kilpoje. AI mokslininkas nedirba atskirai ir nepriima galutinių sprendimų. Tyrėjai pradeda maitintis tyrimų tikslu ar klausimu natūralia kalba – pavyzdžiui, tikslas rasti naujas strategijas, skirtas gydyti tam tikrą ligą, kartu su bet kokiais susijusiais suvaržymais ar pradinėmis idėjomis. Tada AI sistema eina per aukščiau esantį ciklą, kad pateiktų pasiūlymų. Mokslininkas gali pateikti grįžtamąjį ryšį arba koreguoti parametrus, o AI vėl pakartos.
„Google“ sukūrė sistemą, kad ji būtų „sukurta tikslui bendradarbiavimui“, ty mokslininkai gali įterpti savo sėklų idėjas ar kritiką AI proceso metu. AI netgi gali naudoti išorinius įrankius, tokius kaip žiniatinklio paieška ir kiti specializuoti modeliai, norėdami dar kartą patikrinti faktus ar rinkti duomenis, nes jie veikia, užtikrinant, kad jo hipotezės pagrįsta naujausia informacija.
AI mokslininkų agentai („Google“)
Greitesnis kelias į proveržį
Išnešindami kai kuriuos tyrimų, išsamios literatūros apžvalgų ir pradinio smegenų šturmo, darbus į nerimą keliančią mašiną, mokslininkai tikisi dramatiškai pagreitinti atradimą. AI mokslininkas gali skaityti kur kas daugiau dokumentų nei bet kuris žmogus, ir jis niekada nesibaigia naujų idėjų derinių, kuriuos reikia išbandyti.
„Tai gali paspartinti mokslininkų pastangas spręsti didelius mokslo ir medicinos iššūkius“, – projekto tyrėjai tyrėjai Parašė popieriuje. Ankstyvieji rezultatai teikia vilčių. Viename tyrime, kuriame daugiausia dėmesio skiriama kepenų fibrozei (kepenų randai), „Google“ pranešė, kad kiekvienas požiūris, kurį pasiūlė AI mokslininkas, parodė perspektyvų sugebėjimą slopinti ligos vairuotojus. Tiesą sakant, AI rekomendacijos tame eksperimente nebuvo šūviai tamsoje – jos suderino su tuo, ką ekspertai laiko tikėtinomis intervencijomis.
Be to, sistema demonstravo gebėjimą tobulėti laikui bėgant, kai laikui bėgant. Anot „Google“, PG vis tobulino ir optimizavo sprendimus, kuriuos iš pradžių pasiūlė ekspertai, nurodydami, kad ji gali išmokti ir pridėti papildomą vertę, viršijančią kiekvienos iteracijos kompetenciją.
Kitas puikus testas apėmė keblią atsparumo antibiotikams problemą. Tyrėjai pavedė AI paaiškinti, kaip tam tikras genetinis elementas padeda bakterijoms skleisti vaistams atsparius bruožus. Nežinojęs AI, atskira mokslinė komanda (dar neskelbtame tyrime) jau atrado mechanizmą. PG buvo pateikta tik pagrindinė pagrindinė informacija ir pora susijusių dokumentų, tada palikta savo įrenginiams. Per dvi dienas tai sukėlė tą pačią hipotezę, kurią turėjo žmonių mokslininkai.
„Ši išvada buvo eksperimentiškai patvirtinta nepriklausomame tyrime, kuris hipotezės generavimo metu nebuvo žinomas mokslininkui“,-pažymėjo autoriai. Kitaip tariant, AI pavyko pačiai iš naujo atrasti pagrindinę įžvalgą, parodydama, kad ji gali sujungti taškus taip, kad konkuruoja su žmogaus intuicija – bent jau tais atvejais, kai yra daug duomenų.
Tokio greičio ir tarpdisciplininio pasiekiamumo padariniai yra didžiuliai. Proveržiai dažnai įvyksta, kai susiduria skirtingų sričių įžvalgos, tačiau nė vienas žmogus negali būti visko ekspertas. PG, kuris absorbavo žinias apie genetiką, chemiją, mediciną ir dar daugiau, galėtų pasiūlyti idėjų, kurių gali nepastebėti žmonių specialistai. „Google“ „DeepMind“ vienetas jau įrodė, kokia gali būti transformacinė AI moksle su „Alphafld“, kuris numatė 3D baltymų struktūras ir buvo pasveikintas kaip pagrindinis biologijos šuolis į priekį. Šis laimėjimas, kuris pagreitino narkotikų atradimą ir skiepų plėtrą, netgi pelnė „Deepmind“ komandos didžiausią mokslo dalį (įskaitant pripažinimą, susietą su Nobelio premija).
Naujasis AI mokslininkas siekia suteikti panašius šuolius į kasdienius tyrimų smegenų šturmą. Nors pirmosios paraiškos buvo pateiktos biomedicinoje, sistema iš esmės galėtų būti taikoma bet kuriai mokslinei sričiai-nuo fizikos iki aplinkos mokslo-, nes hipotezių generavimo ir patikrinimo būdas yra disciplinos agnostika. Tyrėjai gali tai panaudoti medžiojant naujas medžiagas, tyrinėti klimato sprendimus ar atrasti naujas matematikos teoremas. Kiekvienu atveju pažadas yra tas pats: greitesnis kelias nuo klausimo iki įžvalgos, potencialiai suspaudžiant bandymų ir klaidų metus į daug trumpesnį laiką.
Source link
