AI агентите могат да променят научните изследвания отвъд AlphaFold
Успехът на AlphaFold засили очакванията, че изкуственият интелект може да ускори научните открития чрез големи масиви от данни. Системата на Google DeepMind предсказва триизмерната структура на протеини, като се обучава върху експериментално измерени примери. За тази работа Demis Hassabis и John Jumper получиха част от Нобеловата награда за химия за 2024 г. Според статията обаче моделът трудно може да бъде възпроизведен в повечето области, тъй като разчита на Protein Data Bank — база с около 170 000 потвърдени структури, създадена за 53 години международно сътрудничество и с приблизителни разходи от $21 милиарда за експерименти.
В много научни области резултатите са по-непостоянни, отколкото при кристалографията на протеини, което затруднява създаването на сравними набори от данни. Като алтернатива статията посочва AI агенти — системи, които съчетават големи езикови модели с инструменти за разработване, проверка и преработване на хипотези. AI Co-Scientist на Google например използва няколко подагента, за да изследва разпространението на антибиотичната резистентност между бактериални видове. Изводът му за ролята на бактериалните вируси съвпада с изследване на Imperial College London.
Агентите все още могат да халюцинират и имат ограничения в преценката, паметта и автономната работа. Автоматичното записване на действията им би могло да подпомогне възпроизводимостта и съхраняването на лабораторни знания, а по-бързото тестване — да ускори научните изследвания.
Текстът е изготвен от ИИ на Sakhanda Wire по материал на MIT Tech Review. Фактите, цитатите и пълният контекст са в оригиналната статия по-долу.