Исследователи из Швеции создали замкнутую систему искусственного интеллекта, которая способна не только анализировать научные данные, но и самостоятельно формулировать биологические вопросы, предлагать эксперименты, оценивать их результаты и корректировать дальнейшие действия.
Разработку представили учёные Технологического университета Чалмерса и Гётеборгского университета. Система объединила большие языковые модели, автоматизированное логическое рассуждение и лабораторную робототехнику. В качестве экспериментальной площадки использовали пекарские дрожжи Saccharomyces cerevisiae.
От помощника учёного к самостоятельному исследовательскому циклу
Большинство современных ИИ-систем для науки работают как интеллектуальные помощники. Они могут искать информацию, анализировать результаты экспериментов, писать код или предлагать исследовательские гипотезы, но окончательное решение обычно остаётся за человеком.
Новая система устроена иначе. Она получает доступ к большому объёму научных знаний о дрожжах, включая информацию об их геноме, метаболизме и результатах предыдущих исследований, а затем самостоятельно ищет вопросы, которые можно проверить экспериментально.
Как работает замкнутый цикл
Работа системы строится по принципу непрерывной обратной связи:
научные данные → гипотеза → план эксперимента → лабораторный эксперимент → анализ результата → новая гипотеза.
Если результат эксперимента отличается от ожидаемого, система использует полученные данные для уточнения своей модели и выбирает следующий шаг. Таким образом, ИИ не просто выдаёт один ответ, а последовательно обновляет собственное представление об исследуемой биологической системе.
ИИ действительно отправляет эксперименты в лабораторию
Ключевое отличие проекта от обычного научного чат-бота заключается в наличии физической экспериментальной инфраструктуры.
ИИ соединён с автоматизированными системами для работы с биологическими образцами. Это позволяет переводить выбранные системой эксперименты из цифрового пространства в реальные лабораторные процедуры, а затем получать результаты обратно для дальнейшего анализа.
Зачем вообще нужен такой подход
Современная биология накопила настолько огромные массивы данных, что человеку становится всё труднее одновременно учитывать большое количество взаимосвязей. Машина может систематически перебирать значительно больше вариантов и не уставать после очередной сотни экспериментов.
Автоматизация особенно интересна там, где исследовательский процесс состоит из большого количества повторяющихся циклов: сформулировать предположение, проверить его, получить данные и определить, что делать дальше.
Система нашла новые биологические взаимодействия
В ходе экспериментов система работала с Saccharomyces cerevisiae, хорошо изученным организмом, который используется в биологических исследованиях и биотехнологии.
Исследование продемонстрировало несколько ранее не описанных в используемой системе знаний взаимосвязей. Среди них была обнаружена связь между воздействием глутамата и подавлением роста клеток, обработанных спермином, а также частичное восстановление роста при воздействии аминоадипата на клетки, испытывающие стресс от муравьиной кислоты.
Именно такие результаты исследователи рассматривают как демонстрацию того, что система способна не только анализировать уже известные сведения, но и получать новые экспериментальные знания.
Почему здесь важен эксперимент, а не просто генерация текста
Языковая модель может предложить красивую гипотезу за несколько секунд. Проблема в том, что научная ценность такой гипотезы определяется не красотой формулировки, а тем, можно ли её проверить и подтверждается ли она экспериментально.
В новом подходе ИИ получает возможность пройти этот путь целиком. Он предлагает идею, выбирает способ её проверки, получает реальные данные и использует их для следующего решения.
Основой стала система с «научной памятью»
Для работы ИИ использует структурированное представление биологических знаний. Это важно потому, что обычной способности языковой модели продолжать текст недостаточно для надёжного научного рассуждения.
Разработчики объединили большие языковые модели, символическое рассуждение, структурированные словари и ограничения, связанные с проведением экспериментов. Такой подход должен сделать последовательность действий более согласованной и проверяемой.
В системе уже есть предшественники
Руководитель проекта Росс Кинг ранее участвовал в создании роботизированных систем Adam и Eve. Adam был разработан как робот-учёный общего назначения, способный самостоятельно проводить эксперименты и получать новые знания, а Eve создавалась прежде всего для задач, связанных с поиском лекарств.
Новая система продолжает эту линию, добавляя к автоматизированной лаборатории современные языковые модели и механизмы рассуждения.
Учёных пока никто не увольняет
Несмотря на впечатляющее описание, исследователи не рассматривают систему как замену людям. На нынешнем этапе ИИ должен дополнять научную работу, выполняя повторяющиеся циклы генерации гипотез и экспериментальной проверки.
Человеку по-прежнему необходимо определять научные приоритеты, оценивать более широкий смысл полученных результатов и отвечать за этические решения. Иными словами, машина может предложить десятки экспериментов, но вопрос «а зачем вообще мы это исследуем?» пока остаётся преимущественно человеческим.
Что дальше: лаборатории, которые работают круглосуточно
Главная перспектива таких систем заключается не в создании очередного умного чат-бота, а в появлении автономных лабораторий, способных непрерывно исследовать определённый класс научных задач.
Теоретически такая лаборатория может работать круглосуточно: ИИ формулирует гипотезу, робот выполняет эксперимент, система анализирует результат и сразу запускает следующий цикл.
Наука превращается в замкнутую систему обратной связи
До сих пор искусственный интеллект в науке в основном помогал человеку работать быстрее. Подобные проекты показывают следующий этап: ИИ начинает участвовать непосредственно в цикле получения новых знаний.
До полноценного автономного учёного ещё далеко. Но принципиальное изменение уже произошло: алгоритм получил возможность не только ответить на вопрос исследователя, но и самому сформулировать следующий вопрос, проверить его в физическом мире и использовать полученный результат для следующего эксперимента.
Обсуждение (0)