ШІ-агенти можуть змінити наукові дослідження за межами AlphaFold
Успіх AlphaFold посилив очікування, що штучний інтелект здатен прискорити наукові відкриття завдяки великим масивам даних. Система Google DeepMind прогнозує тривимірні структури білків, навчаючись на експериментально виміряних прикладах. За цю роботу Demis Hassabis і John Jumper отримали частину Нобелівської премії з хімії за 2024 рік. Водночас, зазначає стаття, відтворити такий підхід у більшості галузей буде складно. Він спирається на Protein Data Bank, що містить близько 170 000 підтверджених структур і створювався 53 роки завдяки міжнародній співпраці. За недавньою оцінкою, експериментальна робота коштувала приблизно $21 мільярд.
У багатьох сферах результати менш стабільні, ніж у кристалографії білків, тому створення зіставних наборів даних є проблематичним. Стаття натомість розглядає ШІ-агентів — системи, які поєднують великі мовні моделі з цифровими або фізичними інструментами для висунення, перевірки та перегляду гіпотез. AI Co-Scientist від Google використав кількох субагентів для вивчення поширення стійкості до антибіотиків між видами бактерій. Його висновок про перенесення генів бактеріальними вірусами збігся з результатами Imperial College London.
Агенти ще можуть вигадувати факти, непослідовно оцінювати рішення та мають обмеження пам’яті й автономної роботи. Автоматичний запис їхніх дій може покращити відтворюваність досліджень і зберігати знання лабораторій, а швидше тестування — прискорити науку.
Текст підготовлено ШІ Sakhanda Wire за матеріалом MIT Tech Review. Факти, цитати та повний контекст — в оригінальній статті нижче.