Forskere, der har fået adgang til Googles nye AI “co-videnskabsmand” -værktøj er begejstrede for dets potentiale, men det er endnu ikke klart, om det kan gøre virkelig nye opdagelser
Googles AI “co-videnskabsmand” er baseret på firmaets Gemini store sprogmodeller
Google har afsløret et eksperimentelt kunstigt intelligenssystem, der “bruger avanceret ræsonnement til at hjælpe forskere med at syntetisere store mængder litteratur, generere nye hypoteser og foreslå detaljerede forskningsplaner” ifølge dens pressemeddelelse. ”Ideen med (den) AI-co-videnskabsmand ‘er at give forskere supermagter,” siger Alan Karthikesalingam hos Google.
Værktøjet, der endnu ikke har et officielt navn, bygger på Googles Gemini store sprogmodeller. Når en forsker stiller et spørgsmål eller specificerer et mål – at finde et nyt stof, siger værktøjet med indledende ideer inden for 15 minutter. Flere Gemini -agenter “debatterer” disse hypoteser med hinanden, rangerer dem og forbedrer dem i de følgende timer og dage, siger Vivek Natarajan hos Google.
Under denne proces kan agenterne søge i den videnskabelige litteratur, få adgang til databaser og bruge værktøjer såsom Googles Alphafold -system til at forudsige proteinernes struktur. ”De forbedrer kontinuerligt ideer, de debatterer ideer, de kritiserer ideer,” siger Natarajan.
Google har allerede gjort systemet tilgængeligt for et par forskningsgrupper, der har frigivet korte papirer, der beskriver deres brug af det. Holdene, der prøvede det, er entusiastiske over dets potentiale, og disse eksempler antyder, at AI-co-videnskabsmand vil være nyttige til at syntetisere fund. Det kan dog diskuteres, om eksemplerne understøtter påstanden om, at AI kan generere nye hypoteser.
For eksempel siger Google, at et team brugte systemet til at finde “nye” måder til potentielt at behandle leverfibrose. Imidlertid er de medikamenter, der er foreslået af AI, tidligere blevet undersøgt til dette formål. ”De identificerede stoffer er alle veletablerede til at være antifibrotiske,” siger Steven O’Reilly hos det britiske biotek -selskab Alcyomics. “Der er ikke noget nyt her.”
Selvom denne potentielle anvendelse af behandlingerne ikke er nyt, siger teammedlem Gary Peltz ved Stanford University School of Medicine i Californien, at to ud af tre lægemidler, der blev valgt af AI-co-videnskabsmændene, viste løfte i test på menneskelige leverorganoider, mens ingen af To, han personligt valgte, gjorde – på trods af at der var flere beviser for at støtte hans valg. Peltz siger, at Google gav ham en lille mængde finansiering til at dække omkostningerne ved testene.
I et andet papir beskriver José Penadés ved Imperial College London og hans kolleger, hvordan med-videnskabsmanden foreslog en hypotese, der matchede en upubliceret opdagelse. Han og hans team studerer mobile genetiske elementer – bits af DNA, der kan bevæge sig mellem bakterier på forskellige måder. Nogle mobile genetiske elementer kaprer bakteriofagvirus. Disse vira består af en skal indeholdende DNA plus en hale, der binder til specifikke bakterier og indsprøjter DNA’et i det. Så hvis et element kan komme ind i skallen af en fagvirus, får det en gratis tur til en anden bakterie.
En slags mobil genetisk element fremstiller sine egne skaller. Denne type er især udbredt, som forundrede Penadés og hans team, fordi enhver slags fagvirus kun kan inficere et snævert interval af bakterier. Svaret, de for nylig opdagede, er, at disse skaller kan tilslutte sig halerne af forskellige fager, hvilket giver det mobile element mulighed for at komme ind i en lang række bakterier.
Mens denne konstatering stadig ikke blev offentliggjort, bad teamet AI-co-videnskabsmand om at forklare puslespillet-og dets nummer et forslag stjal halerne på forskellige fager.
”Vi var chokeret,” siger Penadés. ”Jeg sendte en e -mail til Google og sagde, du har adgang til min computer. Er det rigtigt? For ellers kan jeg ikke tro, hvad jeg læser her. ”
Imidlertid offentliggjorde teamet et papir i 2023 – som blev ført til systemet – om, hvordan denne familie af mobile genetiske elementer “stjæler bakteriofaghaler for at sprede sig i naturen”. På det tidspunkt troede forskerne, at elementerne var begrænset til at erhverve haler fra fager, der inficerede den samme celle. Først senere opdagede de, at elementerne også kan hente haler, der flyder rundt udenfor celler.
Så en forklaring på, hvordan AI-co-videnskabsmanden kom med det rigtige svar, er, at den gik glip af den tilsyneladende begrænsning, der stoppede menneskerne, der fik den.
Det, der er klart, er, at det blev fodret med alt, hvad det var nødvendigt for at finde svaret, snarere end at komme med en helt ny idé. ”Alt blev allerede offentliggjort, men i forskellige bits,” siger Penadés. “Systemet var i stand til at sammensætte alt.”
Holdet prøvede andre AI -systemer, der allerede var på markedet, hvoraf ingen kom med svaret, siger han. Faktisk klarede nogle det ikke, selv når de blev fodret med papiret, der beskriver svaret. ”Systemet antyder ting, som du aldrig har tænkt på,” siger Penadés, der ikke har modtaget nogen finansiering fra Google. ”Jeg tror, det vil være skiftende spil.”
Hvorvidt det virkelig er skiftende, vil blive klarere over tid. Googles track record, når det kommer til påstande om AI -værktøjer til at hjælpe forskere, er blandet. Dets Alphafold -system lever op til hype og vinder holdet bag det en Nobelpris sidste år.
I 2023 meddelte virksomheden imidlertid, at omkring 40 “nye materialer” var blevet syntetiseret ved hjælp af sin gnome AI. Ifølge en analyse af 2024 af Robert Palgrave på University College London var ikke et af de syntetiserede materialer faktisk nyt.
På trods af hans fund tror Palgrave AI kan hjælpe forskere. ”Generelt tror jeg, at AI har en enorm mængde at bidrage til videnskab, hvis det implementeres i samarbejde med eksperter inden for de respektive områder,” siger han.