ИИ събра свой научен екип и измисли ваксина, за която хората все още не са се сетили

Напредъкът се забавя, а машините създават хипотези по-бързо, отколкото можете да мигнете.

Екип от учени от Станфордския университет представи принципно нов подход към организацията на научните изследвания: виртуална лаборатория, контролирана от изкуствен интелект. Тази система възпроизвежда структурата на пълноценен научен екип, включващ главен изследовател – виртуален ръководител на проекта и специализирани агенти, всеки от които отговаря за определена област на знанието. За пръв път симулацията на научния процес се осъществява не като автоматизация на отделните задачи, а като цялостна интелектуална среда, способна да генерира хипотези, да формира екипи, да обмисля критично предложенията и да преминава към експериментална проверка.

Архитектурата на лабораторията е вдъхновена от реална биомедицинска изследователска група в Медицинското училище в Станфорд. Според ръководителя на проекта, доцент Джеймс Зоу, разработката се основава на т.нар. агентно-базираните езикови модели – системи, основани на изкуствен интелект, които не само обменят информация с потребителя, но и взаимодействат помежду си, координират действията си и вземат решенията си самостоятелно. Този формат на съвместната работа дава възможност да се преодолее една от основните бариери на съвременната наука – необходимостта от постоянна интердисциплинарна координация.

Като демонстрация на възможностите на виртуалната лаборатория изследователите възлагат на системата да разработи алтернативен подход за създаване на ваксина срещу COVID-19. Само за няколко дни ИИ екипът предложи да се използват не класически антитела, а нанотела – по-компактни протеинови фрагменти, които запазват способността си да се свързват с вирусните структури. Този избор беше мотивиран от факта, че по-малкият размер на молекулата значително опростява нейното моделиране и структурен дизайн, което е от решаващо значение при използването на алгоритмите за машинно обучение.

Експерименталната проверка, извършена от екипа на Chan Zuckerberg BioHub, ръководен от Джон Пак, показа, че предложената конструкция на ИИ се формира стабилно в лабораторни условия, взаимодейства ефективно с протеина на шипа на SARS-CoV-2 и демонстрира висока селективност. Освен това наноприемниците се оказаха универсални: те се свързват стабилно както с новите щамове на коронавируса, така и с оригиналния вариант от Ухан, което открива перспективата за създаване на широкоспектърна ваксина.

Виртуалният екип започва работата си със зададен научен проблем, формулиран от човек. След това „главният изследовател на изкуствения интелект“ – централният координиращ агент – определя необходимите насоки и създава подчинени агенти: биоинформатик, имунолог, специалист по машинно обучение и задължително критик, чиято задача е да поставя под въпрос предложенията на другите участници и да посочва логическите и методологическите слабости. Този припокриващ се контрол свежда до минимум риска от логически сривове, към които са склонни големите езикови модели.

Освен че общуват на естествен език, ИИ агентите използват специализирани инструменти, включително модела AlphaFold за прогнозиране на протеиновите структури. С напредването на проекта агентите могат самостоятелно да изискват достъп до нови инструменти, които след това се интегрират в системата. За разлика от конвенционалните научни семинари, дискусиите във виртуалната среда отнемат секунди и се провеждат паралелно, без ограничения във времето, дължащи се на физическата умора на участниците или на необходимостта от логистична координация.

Човешкото участие е минимално: както подчертава Zou, намесите са ограничени до 1% от общия брой решения. Изследователят съзнателно избягва директивния контрол на подчинените на ИИ, като им дава възможност да мислят нестандартно. Цялата история на взаимодействията – диалози, решения, възражения – се записва, което дава възможност да се следи напредъкът на проекта и да се правят корекции, ако е необходимо. В същото време финансовият контрол остава единственото постоянно ограничение, наложено отвън: алгоритмите не могат да предлагат решения, които не са реализируеми във физическа лаборатория.

Следващата стъпка е интегрирането на експерименталните данни, получени в реалния свят, обратно във виртуалната лаборатория. Това дава възможност за прецизиране на параметрите на модела, коригиране на хипотезите и провеждане на повторни итерации на изследванията, като на практика се реализира пълноценна система за обратна връзка между дигиталния екип и традиционните биомедицински методи за валидиране.

Потенциалните приложения на тази платформа далеч надхвърлят борбата с коронавируса. Според Зоу AI екипът вече е бил използван за ретроспективен анализ на публикувани научни данни, включително за преоценка на по-ранни заключения. Благодарение на способността да анализират сложни набори от биомедицински данни виртуалните агенти са успели да открият корелации и модели, които не са документирани в оригиналните публикации.

В бъдеще виртуалните лаборатории могат да се превърнат в основен инструмент в научните изследвания, осигурявайки не само ускоряване на процесите, но и достигане на качествено ново ниво на мултидисциплинарен анализ. ИИ не замества хората, а се превръща в партньор, способен да предлага хипотези, за които живите изследователи не биха имали време или ресурси.

По този начин работата на Зоу и неговите колеги не е просто демонстрация на възможностите на агентно-базираните езикови модели, а практическа стъпка към създаването на автономни интелигентни изследователски системи, способни не просто да изпълняват команди, а да предлагат оригинални научни решения. Това е нова парадигма, в която изкуственият интелект става активен участник в научния прогрес.