A tudományos áttörések keresése során a kutatók a kreativitás és a szakértelem ötvözésével, valamint irodalmi betekintéssel innovatív kutatási utakat fejlesztenek ki és irányítják a felfedezéseket. Ugyanakkor a tudományos publikációk gyors növekedésének kezelése, miközben különböző területekről származó tudást integrálnak, kihívást jelent. Ennek a problémának a kezelése elengedhetetlen, amit a modern felfedezések is tükröznek, mint például a 2020-as Kémiai Nobel-díj, amelyet Emmanuelle Charpentiernek és Jennifer Doudnának ítéltek oda a CRISPR-innovációjukért, amely ötvözte a mikrobiológia, a genetika és a molekuláris biológia tudását. A tudományos felfedezésekben meg nem felelt szükségletek kezelésére és a mesterséges intelligencia (AI) előnyeinek kiaknázására kifejlesztettük az AI társ-kutató rendszerünket. Ez a Gemini 2. 0-ra épülő többügynökös AI együttműködési eszközként szolgál a kutatók számára, javítva a tudományos módszer érvelési folyamatát. Az AI társ-kutató túllép a szokásos irodalmi áttekintéseken; célja, hogy eredeti tudást generáljon és egyedi kutatási hipotéziseket fogalmazzon meg, amelyek konkrét célokhoz igazodnak. Az AI társ-kutató a tesztidő alatti számítási skálázást alkalmazza a kimenete optimalizálása érdekében.

A kulcsfolyamatok közé tartozik az önjáték alapú tudományos viták a hipotézisek generálásához, rangsorolási tornák a hipotézisek értékeléséhez, valamint egy „evolúciós” stratégia a minőségfejlesztéshez. A hatékonyság biztosítása érdekében az Elo automatikus értékelési metrikát használtuk ezekből a tornákból, felfedezve, hogy a magasabb Elo-értékek összefüggenek a nagyobb output pontossággal. Az akut mieloid leukémia (AML) gyógyszerátcsoportosítási törekvéseink során az AI társ-kutatónk új repurposing jelölteket javasolt, amelyeket számítástechnikával, szakértői inputtal és laboratóriumi tesztekkel validáltunk. Ezen kívül hipotéziseket vizsgáltunk az antimikrobiális rezisztenciával (AMR) kapcsolatban, instruálva az AI-t a baktériumok génátviteli mechanizmusainak vizsgálatára. Az AI önállóan javasolta, hogy a kapszid-formáló fág-indukálható kromoszóma-szigetek (cf-PICI-k) a fág farokkal lépnek interakcióba, hogy szélesebb gazdasági tartományt biztosítsanak, ezt a megállapítást pedig korábbi kísérletek során validálták. Ez a munka a Google Research, Google DeepMind és Google Cloud AI különböző csapatai, valamint több intézmény, köztük a Fleming Initiative és az Imperial College London partnereinek közös erőfeszítése. Köszönetünket fejezzük ki minden hozzájárulónak és szakértőnek, akik nélkülözhetetlen visszajelzést nyújtottak, valamint belső csapatainknak, akiknek támogatása elengedhetetlen volt ehhez az erőfeszítéshez.