Google zaprezentował eksperymentalny system sztucznej inteligencji, który "wykorzystuje zaawansowane rozumowanie, aby pomóc naukowcom w syntezie ogromnych ilości literatury, generowaniu nowych hipotez i sugerowaniu szczegółowych planów badań", jak czytamy w komunikacie prasowym firmy. 

"Ideą stojącą za 'AI co-scientist' jest danie naukowcom supermocy", mówi Alan Karthikesalingam z Google. 

Narzędzie, które nie ma jeszcze oficjalnej nazwy, opiera się na dużych modelach językowych Google Gemini. Kiedy badacz zadaje pytanie lub określa cel - na przykład znalezienie nowego leku - narzędzie w ciągu 15 minut generuje wstępne pomysły. Kilka agentów Gemini "debatuje" następnie nad tymi hipotezami, klasyfikując je i ulepszając w ciągu kolejnych godzin i dni, mówi Vivek Natarajan z Google. Podczas tego procesu agenci mogą przeszukiwać literaturę naukową, uzyskiwać dostęp do baz danych i korzystać z narzędzi takich jak system Google AlphaFold do przewidywania struktury białek. 

"Ciągle udoskonalają pomysły, debatują nad nimi, krytykują je", mówi Natarajan. 

Google udostępnił już system kilku grupom badawczym, które opublikowały krótkie artykuły opisujące jego wykorzystanie. Zespoły, które go wypróbowały, są entuzjastycznie nastawione do jego potencjału, a przykłady te sugerują, że AI co-scientist będzie pomocny w syntezie wyników. Wątpliwe jest jednak, czy przykłady te potwierdzają twierdzenie, że AI może generować nowe hipotezy. Na przykład Google twierdzi, że jeden zespół wykorzystał system do znalezienia "nowych" sposobów potencjalnego leczenia zwłóknienia wątroby. Jednak leki zaproponowane przez AI były wcześniej badane pod tym kątem. 

"Zidentyfikowane leki są dobrze znane jako przeciwzwłóknieniowe", mówi Steven O'Reilly z brytyjskiej firmy biotechnologicznej Alcyomics. "Nie ma tu nic nowego". Chociaż to potencjalne zastosowanie leków nie jest nowe, członek zespołu Gary Peltz ze Stanford University School of Medicine w Kalifornii mówi, że dwa z trzech leków wybranych przez AI co-scientist okazały się obiecujące w testach na ludzkich organoidach wątroby, podczas gdy żaden z dwóch, które osobiście wybrał, nie okazał się - pomimo tego, że istniało więcej dowodów na poparcie jego wyborów. 

Peltz mówi, że Google dał mu niewielkie fundusze na pokrycie kosztów testów. 

W innym artykule José Penadés z Imperial College London i jego koledzy opisują, jak co-scientist zaproponował hipotezę pasującą do niepublikowanego odkrycia. On i jego zespół badają mobilne elementy genetyczne - fragmenty DNA, które mogą przemieszczać się między bakteriami na różne sposoby. Niektóre mobilne elementy genetyczne porywają wirusy bakteriofagów. Wirusy te składają się z powłoki zawierającej DNA oraz ogona, który wiąże się z określonymi bakteriami i wstrzykuje do nich DNA. Tak więc, jeśli element może dostać się do powłoki wirusa faga, dostaje darmową podróż do innej bakterii. Jeden rodzaj mobilnego elementu genetycznego tworzy własne powłoki. Ten typ jest szczególnie rozpowszechniony, co zastanawiało Penadésa i jego zespół, ponieważ każdy rodzaj wirusa faga może infekować tylko wąski zakres bakterii. Odpowiedź, którą niedawno odkryli, jest taka, że te powłoki mogą łączyć się z ogonami różnych fagów, pozwalając mobilnemu elementowi dostać się do szerokiego zakresu bakterii. 

Podczas gdy to odkrycie było jeszcze niepublikowane, zespół poprosił AI co-scientist o wyjaśnienie zagadki - a jego pierwszą sugestią było kradzież ogonów różnych fagów. 

"Byliśmy zszokowani", mówi Penadés. "Wysłałem e-mail do Google z pytaniem, czy macie dostęp do mojego komputera. Czy to prawda? Bo inaczej nie mogę uwierzyć w to, co tu czytam". Zespół opublikował jednak w 2023 roku artykuł - który został wprowadzony do systemu - o tym, jak ta rodzina mobilnych elementów genetycznych "kradnie ogony bakteriofagów, aby rozprzestrzeniać się w naturze". W tamtym czasie naukowcy uważali, że elementy te ograniczają się do pozyskiwania ogonów od fagów infekujących tę samą komórkę. Dopiero później odkryli, że elementy te mogą również zbierać ogony unoszące się poza komórkami. 

Tak więc jednym z wyjaśnień, jak AI co-scientist wpadł na właściwą odpowiedź, jest to, że przeoczył pozorne ograniczenie, które powstrzymało ludzi przed jej uzyskaniem. Jasne jest, że został on nakarmiony wszystkim, czego potrzebował, aby znaleźć odpowiedź, a nie wymyślił zupełnie nowego pomysłu. "Wszystko było już opublikowane, ale w różnych fragmentach", mówi Penadés. "System był w stanie połączyć wszystko razem". Zespół wypróbował inne systemy AI dostępne na rynku, z których żaden nie wpadł na to rozwiązanie, mówi. 

W rzeczywistości niektórym nie udało się to nawet po wprowadzeniu do nich artykułu opisującego odpowiedź. "System sugeruje rzeczy, o których nigdy byś nie pomyślał", mówi Penadés, który nie otrzymał żadnego finansowania od Google. "Myślę, że to zmieni zasady gry". Czy to naprawdę zmieni zasady gry, okaże się z czasem. 

Historia Google, jeśli chodzi o twierdzenia dotyczące narzędzi AI, które mają pomagać naukowcom, jest mieszana. Jego system AlphaFold spełnia oczekiwania, zdobywając w zeszłym roku Nagrodę Nobla dla zespołu, który go stworzył. W 2023 roku firma ogłosiła jednak, że około 40 "nowych materiałów" zostało zsyntetyzowanych z pomocą jej AI GNoME. Jednak według analizy z 2024 roku przeprowadzonej przez Roberta Palgrave'a z University College London, żaden z zsyntetyzowanych materiałów nie był w rzeczywistości nowy. Pomimo swoich ustaleń, Palgrave uważa, że AI może pomóc naukowcom. "Ogólnie rzecz biorąc, myślę, że AI ma ogromny wkład w naukę, jeśli jest wdrażana we współpracy z ekspertami w danej dziedzinie", mówi.