Az utóbbi években a Google azon dolgozik, hogy a generatív mesterséges intelligenciát minden elképzelhető termékbe és kezdeményezésbe integrálja. Ez magában foglalja a robotokat, amelyek összefoglalják a keresési eredményeket, interakcióba lépnek alkalmazásokkal és elemzik a telefonról gyűjtött adatokat. Gyakran ezeknek az AI rendszereknek a kimenete meglepően lenyűgöző lehet, még ha valódi megértés nélkül is. De valóban képesek tudományos kutatást végezni? A Google Kutatás most azon dolgozik, hogy olyan mesterséges intelligenciát fejlesszen, amely "tudományos társ"ként működik. Legújabb, Gemini 2. 0 keretrendszerre épülő többügynökös AI rendszerük a biomedikai kutatókra összpontosít, és úgy tervezték, hogy segít új hipotézisek és kutatási területek javaslatával. Az úgynevezett AI tudományos társ lényegében egy fejlett chatbotként működik. Egy igazi tudós kihasználhatja a Google tudományos társát, ha megadja kutatási céljait, koncepcióit és korábbi tanulmányok idézeteit, ami lehetővé teszi az AI számára, hogy új kutatási irányokat javasoljon. A rendszer különböző, egymással összekapcsolt modellekből áll, amelyek feldolgozzák a bemeneti adatokat, és online forrásokat használnak fel a javaslataik javítása érdekében. E keretrendszeren belül a különböző ügynökök kihívások elé állítják egymást, létrehozva egy "önfejlesztő ciklust", amely hasonló a Gemini Flash Thinking és az OpenAI o3 más gondolkodó AI modelljeihez. Bár a Geminihez hasonlóan generatív AI rendszer, nem rendelkezik valóban új tudással vagy ötletekkel. Ehelyett képes ésszerű extrapolációkat végezni a meglévő adatok alapján. Végső soron az AI tudományos társ kutatási javaslatokat és hipotéziseket generál, a humán kutató pedig chatbot felületen keresztül léphet kapcsolatba a rendszerrel, hogy megbeszéljék ezeket az ötleteket. Az AI tudományos társat egy kifinomult ötletbörze eszközként lehet felfogni.

Ahogy az egyének megoszthatnak rendezvénytervezési ötleteket egy fogyasztói szintű AI-val, a tudósok is generálhatnak új kutatási koncepciókat egy kifejezetten tudományos kutatásra tervezett AI segítségével. AI tesztelése a tudományban Jelenleg a széles körben használt AI rendszerek híresek a pontossági problémáikról. A generatív AI hajlamos válaszokat generálni, függetlenül attól, hogy rendelkezik-e a megfelelő képzési adatokkal vagy modell súlyokkal, és további AI modellek segítségével történő tényellenőrzés nem garantálja a pontosságot. Ésszerűsítő képességeivel az AI tudományos társ belső értékeléseket végez a kimeneteinek javítása érdekében, és a Google azt állítja, hogy ezek az önértékelési pontszámok összefüggenek a tudományos pontosság javulásával. Bár a belső mutatók informatívak, mit gondolnak az igazi tudósok?A Google megkérte az emberi biomedikai kutatókat, hogy értékeljék a robot által tett javaslatokat, és állítólag kedvezőbb értékelést adtak az AI tudományos társnak, mint más, kevésbé specializált AI rendszereknek. A szakértők azt is megjegyezték, hogy az AI tudományos társ kimenetei nagyobb innovatív hatásra mutatnak potenciált a standard AI modellekhez képest. Ezért nem minden AI-javaslat szükségszerűen megalapozott. Mégis, a Google több egyetemmel együttműködve tesztelte néhány AI által generált kutatási javaslatot laboratóriumi körülmények között. Például az AI javasolta bizonyos gyógyszerek átirányítását az akut mieloid leukémia kezelésére, és a kezdeti laboratóriumi tesztek azt jelezték, hogy ez a megközelítés megvalósítható. A Stanford Egyetemen végzett kutatás szintén arra a megállapításra jutott, hogy az AI tudományos társának máj fibrózisra vonatkozó kezelési javaslatai további vizsgálatokat igényelnek. Bár ez a kutatás kétségtelenül figyelemre méltó, a rendszert "tudományos társ"-nak nevezni kissé túlzásnak tűnhet. Annak ellenére, hogy az AI vezetői azt állítják, hogy közelítünk az autonóm, gondolkodó gépek megjelenéséhez, az AI még messze van attól, hogy képes legyen független tudományos kutatást végezni. Azonban ez az AI tudományos társ még mindig kulcsszerepet játszhat abban, hogy segítsen az embereknek értelmezni és kontextusba helyezni a nagy adatállományokat és a kutatási irodalmat, még ha valódi megértés vagy a mélyebb betekintés képessége nélkül is.