Представьте себе целую научную лабораторию, где ученые днями и ночами генерируют идеи, спорят и ставят эксперименты, но вместо людей за компьютерами сидят искусственные интеллекты. Звучит как фантастика, но именно такой виртуальный лаб создала команда из Стэнфордской школы медицины.

Идея принадлежит Джеймсу Цзоу, профессору биомедицинских данных. Он заметил, что прорыв в науке часто случается на стыке разных дисциплин, когда специалисты из разных областей начинают работать вместе. Но на практике организовать такое сотрудничество бывает очень сложно. В то же время большие языковые модели, которые многие считают просто продвинутыми чат-ботами, научились не только отвечать на вопросы, но и действовать самостоятельно: искать данные, пользоваться инструментами, общаться друг с другом.

Это как раз те самые агенты, способные к совместной работе, — объясняет Цзоу.

Подробности опубликованы в издании Nature.

Исследователи решили научить эти модели мыслить как лучшие ученые. Так появилась виртуальная лаборатория с собственным ИИ-руководителем (AI PI) и командой ИИ-ученых разных специальностей. Человек-исследователь лишь ставит перед ними задачу, а дальше система работает почти автономно. Вот как это происходит:

• AI PI получает проблему (например, «придумать новую основу для вакцины от COVID-19») и сам определяет, какие эксперты нужны для ее решения.
• В команде всегда есть «критик», чья роль — находить слабые места в идеях коллег.
• Ученые-ИИ снабжены реальными научными инструментами, такими как система предсказания структуры белков AlphaFold. Они даже сами просили дать им доступ к определенным программам.

Лаборатория работает с умопомрачительной скоростью. Пока человек выпивает утренний кофе, ИИ-агенты успевают провести сотни исследовательских дискуссий — их виртуальные собрания длятся секунды. Они не устают и не отвлекаются. При этом все их диалоги записываются, и человек может в любой момент заглянуть в «протоколы» и при необходимости скорректировать ход мысли.

Первый серьезный тест система прошла блестяще. За несколько дней виртуальная команда предложила новую стратегию для вакцины против новых вариантов коронавируса. Вместо привычных антител ИИ-ученые сделали ставку на нанотела — более мелкие и простые фрагменты антител. Они аргументировали это тем, что с такими молекулами проще работать вычислительными методами. Реальная лаборатория под руководством Джона Пака воплотила этот дизайн в жизнь. Полученные нанотела оказались стабильными, прочно связывались с новым вариантом вируса и не давали побочных реакций. Более того, они одинаково хорошо атаковали как новый штамм, так и исходный уханьский, что открывает путь к созданию универсальной вакцины. Сейчас эти данные снова загружают в виртуальную лабораторию, чтобы еще больше улучшить дизайн молекул.

Команда Цзоу уже пробует применять свою систему в других областях, например, для повторного анализа сложных научных данных из уже опубликованных статей.

Часто ИИ-агенты находят в этих данных что-то , что упустили люди. Это невероятно интересно, — говорит профессор.

Реальная польза этой работы выходит далеко за рамки конкретного примера с нанотелами. Главное достижение — создание прототипа «ускорителя» для фундаментального научного поиска. Система может:

1. Резко сократить «тупиковый» этап исследований. Вместо месяцев теоретических изысканий и планирования экспериментов, ИИ-лаборатория за дни генерирует и отсеивает десятки гипотез, предлагая ученым самые перспективные для проверки в реальном мире.
2. Сломать дисциплинарные барьеры. Виртуальные ученые — иммунологи, биоинформатики, химики — «общаются» на одном языке (буквально) и немедленно обмениваются идеями, что в человеческих коллективах часто затруднено ведомственными или терминологическими границами.
3. Стать «вечным ассистентом». Система может работать круглосуточно, ведя параллельно несколько проектов, анализируя гигантские массивы данных из прошлых исследований на предмет упущенных закономерностей. Это мощный инструмент для мета-анализа и выдвижения совершенно неочевидных научных связей.

Основная претензия к исследованию лежит в области воспроизводимости и «черного ящика». Гениальная идея нанотел против COVID была проверена в реальной лаборатории, и это отлично. Однако, мы не знаем, сколько других, столь же элегантных идей система могла отвергнуть по неочевидным для человека причинам, заложенным в логике работы языковых моделей.

Есть риск, что ИИ-лаборатория будет генерировать гипотезы, которые лишь правдоподобно выглядят для ИИ, основываясь на паттернах в своих тренировочных данных, но не имеют глубинного биологического смысла. Необходимы масштабные и разнообразные валидации, чтобы понять, является ли эта система стабильно креативным «коллегой» или же она просто эффективно компилирует известное, лишь изредка выдавая действительно прорывные решения.

Ранее мы разбирались, как ИИ помогает науке.