Η Google εισήγαγε έναν βοηθό ερευνητή με την ΑΙ που έχει σχεδιαστεί για να δημιουργήσει επιστημονικές υποθέσεις-μερικές φορές πριν οι ερευνητές του ανθρώπινου έδωσαν τα ευρήματά τους. Σε πολλές περιπτώσεις, εντόπισε με ακρίβεια τις ερευνητικές διαδρομές που αργότερα αντιστοιχούσαν σε μη δημοσιευμένες επιστημονικές ανακαλύψεις. Src=”Δεδομένα: Εικόνα/SVG+XML; Nitro-Empty-ID=MTY3OTOXMTM3-1, BASE64, PHN2ZYB2AWV3QM94PSIWIDAGMTAYNCA0OD kiihdpzhropsixmdi0iibozwlnahq9ijq4osigeg1sbnmm9imh0dha6ly93d3cudzmub3jnlziwmdavc3znij48l3n2zz4=”>>
Η προσέγγιση της Google δεν αφορά την αντικατάσταση των ερευνητών, αλλά την ενίσχυση της ικανότητάς τους να εντοπίζουν πιο γρήγορα ανακαλύψεις. αναπτύχθηκε για να υποστηρίξει τους ερευνητές για τον εξορθολογισμό των πρώτων σταδίων της επιστημονικής έρευνας. Σε αντίθεση με τα πρότυπα μοντέλα AI που απλά ανακτώνται πληροφορίες, αυτό το σύστημα έχει σχεδιαστεί για να προτείνει νέες οδηγίες έρευνας, υποστηριζόμενες από την επιστημονική βιβλιογραφία, την ανάλυση δεδομένων και την αυτοματοποιημένη συλλογιστική. Οι πράκτορες, όλοι συνεργάζονται σε έναν επαναληπτικό κύκλο για να βελτιώσουν τις ερευνητικές υποθέσεις και τις πειραματικές προσεγγίσεις
εικόνα: Google
“Δεδομένου ότι ο ερευνητής του επιστήμονα έχει οριστεί σε φυσική γλώσσα, ο συν-επιστήμονας του AI έχει σχεδιαστεί για να δημιουργεί νέες ερευνητικές υποθέσεις, μια λεπτομερή επισκόπηση της έρευνας και τα πειραματικά πρωτόκολλα. Κατάταξη, εξέλιξη, εγγύτητα και μετα-αναθεώρηση-που εμπνέονται από την ίδια την επιστημονική μέθοδο. Αυτοί οι παράγοντες χρησιμοποιούν αυτοματοποιημένα σχόλια για να δημιουργήσουν, να αξιολογήσουν και να βελτιώσουν τις υποθέσεις, με αποτέλεσμα έναν αυτοκαταστροφικό κύκλο των ολοένα και πιο υψηλής ποιότητας και των νέων εξόδων. προτάσεις. Src=”Δεδομένα: εικόνα/svg+xml; nitro-empty-id=mty5ntoxmtaw-1, base64, phn2zyb2awv3qm94psiwidagmtaynca0mdeii Hdpzhropsixmdi0iibozwlnahq9ijqwmsigeg1sbnm9imh0dha6ly93d3cudzmub3jnlziwmdavc3znij48l3n2zz4=”> Εικόνα: Το Google
Ο συν-επιστήμονας του AI ενσωματώνεται με εξειδικευμένα μοντέλα AI όπως το AlphaFold για την ενίσχυση των εφαρμογών βιολογικής έρευνας και φαρμάκων. και μια διαδικασία «εξέλιξης» για τη βελτίωση της ποιότητας.
Η φυσική φύση του συστήματος διευκολύνει την αναδρομική αυτοκριτική, συμπεριλαμβανομένης της χρήσης εργαλείων για ανατροφοδότηση για να βελτιώσουν τις υποθέσεις και τις προτάσεις του AI Co-Scosterist, η οποία μελετήθηκε από τους επιστήμονες, οι οποίες μελετούνται από τους επιστήμονες. Ο μηχανισμός μεταφοράς γονιδίων που συνδέεται με την αντιμικροβιακή αντίσταση. Src=”Δεδομένα: εικόνα/svg+xml; nitro-empty-id=mtcxotoxmja2-1, base64, phn2zyb2awv3qm94psiwidagmtaynca1mzuiiH dpzhropsixmdi0iibozwlnahq9ijuznsigeg1sbnm9imh0dha6ly93d3cudzmub3jnlziwmdavc3znij48l3n2zz4=”> χρονοδιάγραμμα του AI συν-επιστήμονα επανεκκίνηση ενός νέου μηχανισμού μεταφοράς γονιδίων. (Εικόνα: Google)
Μια παρόμοια δοκιμή στο Stanford επικεντρώθηκε στην ίνωση του ήπατος, μια κατάσταση όπου ο ιστός ουλής συσσωρεύεται στο ήπαρ. Το AI της Google ανέλυσε τα φαρμακευτικά δεδομένα για τον εντοπισμό των υφιστάμενων φαρμάκων που θα μπορούσαν να επαναπροσδιοριστούν ως θεραπείες.
Το σύστημα πρότεινε δύο κατηγορίες ναρκωτικών και παρείχαν μια ταξινομημένη λίστα υποστηρικτικών αποδεικτικών στοιχείων, αντικατοπτρίζοντας το ερευνητικό μονοπάτι στο Στάνφορντ, εξερευνούσαν ήδη το Deportial’s Deportsial για το Departial’s Deportsial’s Deportial’s Deportial’s Deportial Os Isbectious. και η πρωτοβουλία Fleming, η οποία ήταν μέλος της ομάδας πίσω από τη μελέτη του Mechanish Mechanism Gene, στους οικονομικούς χρόνους. Ο συν-επιστήμονας είναι δομημένος ως σύστημα πολλαπλών παραγόντων. Στρατηγική
Ο συν-επιστήμονας του AI δεν είναι ένα απομονωμένο πείραμα, αλλά μέρος των ευρύτερων προσπαθειών της Google για την ενσωμάτωση της AI στην επιστημονική έρευνα. Το τμήμα DeepMind της εταιρείας έχει οδηγήσει την βιολογική έρευνα της AI, κυρίως μέσω του AlphaFold 3.
Το AlphaFold 3 έχει ήδη σημαντικό αντίκτυπο στη βιολογία, βοηθώντας τους ερευνητές να εντοπίσουν μοριακές αλληλεπιδράσεις που είναι κρίσιμες για την ανακάλυψη φαρμάκων. Η Google έχει ενσωματώσει μερικές από τις ιδέες της στο εργαλείο AI συν-επιστήμονα, επιτρέποντάς της να αναλύσει τις βιολογικές διεργασίες με μεγαλύτερη ακρίβεια.
Η Google συνεργάστηκε επίσης με την BionTech για την ανάπτυξη βοηθών εργαστηρίου που κυκλοφόρησε με την AI που αυτοματοποιούν τις διαδικασίες έρευνας πρώιμου σταδίου. Τα έργα αυτά αντικατοπτρίζουν μια αυξανόμενη τάση όπου το AI χρησιμοποιείται όχι μόνο για την παραγωγή υποθέσεων, αλλά και για πρακτικές εφαρμογές στη βιοτεχνολογία και την ανακάλυψη φαρμάκων. Αρκετοί ανταγωνιστές αναπτύσσουν συστήματα που στοχεύουν στον εξορθολογισμό της ανακάλυψης της γνώσης, με διαφορετικές προσεγγίσεις και στόχους. Οι εκθέσεις
Αντί να περιμένουν από τους χρήστες να κοσκινίσουν τις διαφορετικές πηγές, η βαθιά έρευνα στοχεύει στην απλούστευση της διαδικασίας, εξυπηρετώντας ως προληπτικό συνεργάτη που συγκεντρώνει, οργανώνει και προσφέρει πληροφορίες που επιτρέπουν στους χρήστες που διοργανώνουν τους χρήστες που διοργανώνουν, το Multi-stretts, το Openai. Αντί να λαμβάνουν άμεσες απαντήσεις που δημιουργήθηκαν από το AI. Με το Google, το OpenAI και την αμηχανία AI όλα αναπτυσσόμενα ανταγωνιστικά μοντέλα, ο τομέας κινείται προς ένα μέλλον όπου η επιστημονική εξερεύνηση αυξάνεται σε μεγάλο βαθμό από την τεχνητή νοημοσύνη. Από τη μία πλευρά, η ικανότητα να δημιουργούν ταχεία και να ταξινομούν υποθέσεις θα μπορούσε να επιταχύνει τις ανακαλύψεις, να μειώσει τον χρόνο έρευνας και να επιτρέψει στους επιστήμονες να επικεντρωθούν στην εννοιολογική ανάπτυξη. Ένα βασικό ζήτημα είναι επικύρωση. Το AI μπορεί να αναλύσει τα δεδομένα και να εντοπίσει τα πρότυπα, αλλά οι υποθέσεις του εξακολουθούν να απαιτούν ανθρώπινη εποπτεία και πειραματική επαλήθευση. Χωρίς τους κατάλληλους ελέγχους, υπάρχει ο κίνδυνος οι ερευνητικές διαδρομές που παράγονται από την ΑΙ, να εισαγάγουν ψευδείς συσχετίσεις ή να οδηγήσουν τους ερευνητές σε μη παραγωγικές κατευθύνσεις. Εάν ένα μοντέλο είναι κατά κύριο λόγο εκπαιδευμένο σε μελέτες από ένα περιορισμένο σύνολο ιδρυμάτων ή γεωγραφικών περιοχών, μπορεί να ενισχύσει τις υπάρχουσες προκαταλήψεις, ενώ παραβλέπει τις εναλλακτικές ερευνητικές προοπτικές. Ένα άλλο πιθανό ζήτημα είναι η έλλειψη κατανόησης των εργαλείων AI σχετικά με την εγκυρότητα των δημοσιευμένων ερευνητικών εγγράφων. Πρέπει να βασίζονται στον αριθμό των αναφορών ως μέτρου σημασίας και ποιότητας πληρεξουσίου. Ο συν-επιστήμονας του AI της Google αντιπροσωπεύει μια μετατόπιση από την AI απλώς την ανάκτηση πληροφοριών για την ενεργό συμμετοχή της παραγωγής και της βελτίωσης των υποθέσεων. Το έργο της Google DeepMind για την αλφαγομετρία που τροφοδοτείται με AI έχει δείξει ότι τα μοντέλα AI μπορούν να ξεπεράσουν τους ανθρώπινους μαθηματικούς στην επίλυση προβλημάτων, δημιουργώντας ερωτήματα σχετικά με τον τρόπο με τον οποίο η AI θα μπορούσε να συμβάλει στις θεωρητικές επιστήμες πέρα από τη βιολογία και τη χημεία. Η αυξανόμενη χρήση του AI στη βιοτεχνολογία και τα φαρμακευτικά προϊόντα σηματοδοτεί μια μετάβαση προς την αυτοματοποίηση σε περιοχές που κάποτε απαιτούσαν κυρίως ανθρώπινη εμπειρογνωμοσύνη. Το αν η AI θα διαδραματίσει κεντρικό ρόλο στη διαμόρφωση των μελλοντικών ανακαλύψεων παραμένει ένα ανοιχτό ερώτημα, αλλά η ικανότητά του να βοηθά, να βελτιώσει και να επιταχύνει την έρευνα γίνεται όλο και πιο σαφής.