Στην αναζήτηση επιστημονικών ανακαλύψεων, οι ερευνητές συνδυάζουν τη δημιουργικότητα και την εμπειρία με την λογοτεχνική γνώση για να αναπτύξουν καινοτόμους ερευνητικούς δρόμους και να καθοδηγήσουν τις εξερευνήσεις. Ωστόσο, η πλοήγηση στην rapid αύξηση επιστημονικών δημοσιεύσεων ενώ ενσωματώνουν γνώσεις από διάφορους τομείς παρουσιάζει μία πρόκληση. Η αντιμετώπιση αυτού του ζητήματος είναι ουσιώδης, όπως φαίνεται από τις σύγχρονες ανακαλύψεις από διατομικές προσπάθειες, όπως το Βραβείο Νόμπελ Χημείας του 2020 που απονεμήθηκε στις Emmanuelle Charpentier και Jennifer Doudna για την καινοτομία CRISPR, που συνδύασε γνώσεις από τη μικροβιολογία, τη γενετική και τη μοριακή βιολογία. Για να αντιμετωπίσουμε τις ανεκπλήρωτες ανάγκες στην επιστημονική ανακάλυψη και να εκμεταλλευτούμε τις εξελίξεις στην τεχνητή νοημοσύνη, αναπτύξαμε ένα σύστημα AI συν-επιστήμονα. Αυτός ο πολυ-πράκτορας AI, βασισμένος στο Gemini 2. 0, λειτουργεί ως συνεργατικό εργαλείο για τους ερευνητές, ενισχύοντας τη διαδικασία σκέψης της επιστημονικής μεθόδου. Ο AI συν-επιστήμονας πηγαίνει πέρα από τις τυπικές βιβλιογραφικές ανασκοπήσεις: αποσκοπεί στη δημιουργία πρωτότυπης γνώσης και τον καθορισμό μοναδικών ερευνητικών υποθέσεων προσαρμοσμένων σε συγκεκριμένους στόχους. Ο AI συν-επιστήμονας χρησιμοποιεί κλιμάκωση κατά τη διάρκεια δοκιμών για την επαναλαμβανόμενη βελτίωση της εκροής του.

Κύριες διαδικασίες περιλαμβάνουν επιστημονικές συζητήσεις βάσει αυτοπαράστασης για την παραγωγή υποθέσεων, τουρνουά κατάταξης για την αξιολόγηση υποθέσεων και στρατηγική "εξέλιξης" για την ενίσχυση ποιότητας. Για να διασφαλιστεί η αποτελεσματικότητα, χρησιμοποιήσαμε την αυτόματη μέτρηση αξιολόγησης Elo από αυτά τα τουρνουά, ανακαλύπτοντας ότι υψηλότερες βαθμολογίες Elo συσχετίζονται με μεγαλύτερη ακρίβεια στην εκροή. Στις προσπάθειες επαναχρησιμοποίησης φαρμάκων για οξεία μυελογενή λευχαιμία (AML), ο AI συν-επιστήμονας μας πρότεινε καινούργιους υποψηφίους επαναχρησιμοποίησης, οι οποίοι επικυρώθηκαν μέσω υπολογιστικής βιολογίας, ειδικών και εργαστηριακών δοκιμών. Επιπλέον, εξετάσαμε υποθέσεις σχετικές με την ανθεκτικότητα των μικροβίων (AMR) διδάσκοντας τον AI να εξετάσει τους μηχανισμούς μεταφοράς βακτηριακών γονιδίων. Ο AI πρότεινε ανεξάρτητα ότι τα νηματίδια ιογενών τοιχωμάτων (cf-PICIs) αλληλεπιδρούν με τις ουρές των ιών για να διευρύνουν την εμβέλειά τους, μια ανακάλυψη που επικυρώθηκε στη συνέχεια μέσω προηγούμενων πειραμάτων. Αυτή η εργασία είναι μια συνεργατική προσπάθεια μεταξύ διάφορων ομάδων στην Google Research, Google DeepMind και Google Cloud AI, καθώς και με συνεργάτες από διάφορες ιδρύματα, συμπεριλαμβανομένων των Fleming Initiative και Imperial College London. Εκφράζουμε την ευγνωμοσύνη μας σε όλους τους συντελεστές και ειδικούς που παρέχουν ουσιαστική ανατροφοδότηση, καθώς και στις εσωτερικές μας ομάδες, της οποίες η υποστήριξη ήταν κρίσιμη για αυτήν την προσπάθεια.