V posledních letech se Google snaží integrovat generativní umělou inteligenci do každého představitelného produktu a iniciativy. To zahrnuje roboty, kteří shrnují výsledky vyhledávání, interagují s aplikacemi a analyzují data shromážděná z vašich telefonů. Výstupy generované těmito AI systémy mohou často překvapivě ohromit, i když postrádají skutečné porozumění. Může však skutečně provádět vědecký výzkum? Google Research se nyní zaměřuje na vývoj umělé inteligence, která slouží jako "spolu-vědec". Jejich nejnovější multi-agentní AI systém, postavený na frameworku Gemini 2. 0, cílí na biologické vědce a je navržen tak, aby pomáhal navrhovat nové hypotézy a oblasti výzkumu. Tento tzv. AI spolu-vědec v podstatě funguje jako pokročilý chatbot. Skutečný vědec může využít Googleův spolu-vědec zadáním svých výzkumných cílů, konceptů a citací z předchozích studií, což umožňuje AI navrhnout nové výzkumné směry. Systém se skládá z různých vzájemně propojených modelů, které zpracovávají vstupní data a využívají online zdroje k vylepšení svých návrhů. V rámci tohoto rámce si jednotliví agenti vzájemně kladou výzvy, čímž vytvářejí "sebe-zlepšující smyčku" podobnou jiným modelům uvažování AI, jako je Gemini Flash Thinking a OpenAI's o3. I když je to generativní AI systém jako Gemini, nevlastní žádné skutečně nové znalosti nebo myšlenky. Místo toho může provádět rozumné extrapolace z existujících dat. Nakonec AI spolu-vědec generuje návrhy výzkumu a hypotézy, a lidský výzkumník může s tímto systémem komunikovat prostřednictvím chatbot rozhraní, aby prodiskutoval tyto myšlenky. Můžete vidět AI spolu-vědce jako sofistikovaný nástroj pro brainstorming.

Just jako jednotlivci mohou sdílet nápady na plánování večírků s AI na spotřebitelské úrovni, vědci mohou generovat nové výzkumné koncepty s AI navrženou speciálně pro vědecké zkoumání. Testování AI ve vědě V současnosti mají široce používané AI systémy notorický problém s přesností. Generativní AI má tendenci produkovat odpovědi bez ohledu na to, zda má správná tréninková data nebo váhy modelu, a ověřování faktů pomocí dalších AI modelů nezaručuje přesnost. Díky svým uvažovacím schopnostem AI spolu-vědec provádí interní hodnocení, aby zlepšil své výstupy, a Google tvrdí, že tyto skóre sebehodnocení jsou spojeny se zlepšenou vědeckou přesností. Nicméně, i když jsou interní metriky informativní, co si myslí skuteční vědci?Google požádal lidské biologické vědce, aby vyhodnotili návrhy robotu, a údajně hodnotili AI spolu-vědce příznivěji než jiné méně specializované AI systémy. Odborníci také poznamenali, že výstupy od AI spolu-vědce vykazovaly větší potenciál pro inovativní dopad ve srovnání s běžnými AI modely. To však neznamená, že všechny návrhy AI jsou nutně správné. Nicméně Google spolupracoval s několika univerzitami na testování některých AI-generovaných návrhů výzkumu v laboratorních podmínkách. Například AI doporučil repurpozici určitých léků pro léčbu akutní myeloidní leukemie, a počáteční laboratorní testy naznačily, že tento přístup je proveditelný. Výzkum provedený na Stanfordově univerzitě také zjistil, že návrhy na léčbu jaterní fibrózy od AI spolu-vědce si zaslouží další zkoumání. Ačkoli je tento výzkum jistě zajímavý, označení systému jako "spolu-vědec" může být poněkud přehnané. I když vedoucí AI tvrdí, že se blížíme vzniku autonomních, myslících strojů, AI je stále daleko od toho, aby mohla nezávisle provádět vědecký výzkum. Nicméně tento AI spolu-vědec by mohl být stále zásadní při pomoci lidem interpretovat a kontextualizovat velké datové soubory a výzkumnou literaturu, i když postrádá skutečné porozumění nebo schopnost poskytovat hluboké postřehy.