U posljednjim godinama, Google je na misiji da integriše generativnu AI u svaki zamislivi proizvod i inicijativu. To uključuje robote koji sažimaju rezultate pretrage, interaguju sa aplikacijama i analiziraju podatke prikupljene s vašeg telefona. Često su rezultati koje generišu ovi AI sistemi neočekivano impresivni, čak i ako im nedostaje pravo razumevanje. Ali, mogu li zaista provoditi naučna istraživanja? Google Research se sada fokusira na razvoj AI koji deluje kao "ko-naučnik. " Njihov najnoviji multi-agent AI sistem, izgrađen na Gemini 2. 0 okviru, cilja na biomedicinske istraživače i dizajniran je da pomogne predlažući nove hipoteze i istraživačka područja. Međutim, ovaj takozvani AI ko-naučnik u suštini funkcioniše kao napredni chatbot. Pravi naučnik može iskoristiti Googleovog ko-naučnika tako što unosi svoje istraživačke ciljeve, koncepte i citate iz prethodnih studija, što omogućava AI-u da predlaže nove pravce istraživanja. Sistem se sastoji od različitih međusobno povezanih modela koji obrađuju ulazne podatke i koriste online resurse za poboljšanje svojih predloga. Unutar ovog okvira, različiti agenti izazivaju jedni druge, stvarajući "samo-poboljšavajući krug" sličan drugim modelima razmišljanja AI-a kao što su Gemini Flash Thinking i OpenAI-ov o3. Iako je generativni AI sistem poput Geminija, ne poseduje nijedno zaista novo znanje ili ideje. Umesto toga, može napraviti razumna ekstrapolacija na osnovu postojećih podataka. Na kraju, AI ko-naučnik generiše istraživačke predloge i hipoteze, a ljudski istraživač može komunicirati sa sistemom putem chatbot interfejsa kako bi razgovarao o tim idejama. Možete gledati na AI ko-naučnika kao na sofisticirani alat za brainstorming. Baš kao što pojedinci mogu deliti ideje za planiranje zabava s AI-jem na potrošačkom nivou, naučnici mogu generisati nove istraživačke koncepte s AI-em posebno dizajniranim za naučnu potragu. Testiranje AI u nauci Trenutno, široko korišćeni AI sistemi imaju poznat problem sa tačnošću.

Generativni AI obično proizvodi odgovore bez obzira na to da li ima pravilan obučeni skup podataka ili težine modela, a verifikacija činjenica korišćenjem dodatnih AI modela ne garantuje tačnost. Sa svojim sposobnostima razmišljanja, AI ko-naučnik obavlja interne evaluacije kako bi poboljšao svoje rezultate, a Google tvrdi da su ti rezultati samoprocenjivanja povezani s poboljšanom naučnom tačnošću. Međutim, iako su interni metri informativni, šta stvarni naučnici misle?Google je zamolio ljudske biomedicinske istraživače da ocene predloge koje je dao robot, i oni su navodno ocenili AI ko-naučnika pozitivnije nego druge manje specijalizovane AI sisteme. Stručnjaci su takođe primetili da su rezultati AI ko-naučnika pokazivali veći potencijal za inovativan uticaj u poređenju sa standardnim AI modelima. Ipak, nisu svi predlozi AI nužno zvučni. Ipak, Google je sarađivao s nekoliko univerziteta kako bi isprobao neke od AI-generisanih istraživačkih predloga u laboratorijskim uslovima. Na primer, AI je preporučio repurposing određenih lekova za lečenje akutne mijeloidne leukemije, a inicijalni laboratorijski testovi su pokazali da je ovaj pristup izvodljiv. Istraživanja sprovedena na Univerzitetu Stanford takođe su pokazala da predlozi AI ko-naučnika za lečenje fibroze jetre zaslužuju dalju istragu. Iako je ovo istraživanje bez sumnje intrigantno, nazivajući sistem "ko-naučnikom" može biti pomalo pretenciozno. I pored tvrdnji lidera AI-a da se bližimo pojavi autonomnih, razmišljajućih mašina, AI je daleko od toga da bude sposoban da nezavisno provodi naučna istraživanja. Međutim, ovaj AI ko-naučnik bi i dalje mogao biti od pomoći ljudima u interpretaciji i kontekstualizaciji velikih skupova podataka i istraživačke literature, čak i ako mu nedostaje pravo razumevanje ili sposobnost pružanja dubokih uvida.