Pastaraisiais metais „Google“ siekia integruoti generatyvinę dirbtinį intelektą į kiekvieną įmanomą produktą ir iniciatyvą. Tai apima robotus, kurie apibendrina paieškos rezultatus, bendrauja su programomis ir analizuoja duomenis, surinktus iš jūsų telefono. Dažnai šie AI sistemų sugeneruoti rezultatai būna netikėtai įspūdingi, net jei joms trūksta tikro supratimo. Bet ar jos tikrai gali atlikti mokslinius tyrimus? „Google Research“ dabar orientuojasi į dirbtinio intelekto, veikiančio kaip „ko-mokslininkas“, kūrimą. Naujasis šių daugiagentinių AI sistemų modelis, sukurtas ant „Gemini 2. 0“ platformos, yra skirtas biomedicinos tyrėjams ir sukurtas tam, kad padėtų siūlydamas naujas hipotezes ir tyrimų sritis. Vis dėlto, šis taip vadinamas AI ko-mokslininkas iš esmės veikia kaip pažangus chatbotas. Tikras mokslininkas gali naudotis „Google“ ko-mokslininku, įvesdamas savo tyrimų tikslus, koncepcijas ir ankstesnių studijų citatas, leidžiančias AI pasiūlyti naujas tyrimų kryptis. Sistema sudaryta iš įvairių sujungtų modelių, kurie apdoroja įvestus duomenis ir pasinaudoja internetiniais ištekliais, kad pagerintų savo pasiūlymus. Šiame regione skirtingi agentai iššoka vienas prieš kitą, sukurdami „savarankiškai tobulėjantį ciklą“, panašų į kitas mąstymo AI modelius, tokius kaip „Gemini Flash Thinking“ ir „OpenAI“ o3. Nepaisant to, kad tai yra generatyvinė AI sistema, tokia kaip „Gemini“, ji neturi jokių iš tikrųjų naujų žinių ar idėjų. Vietoj to, ji gali daryti protingas išvadas, remdamasi esamais duomenimis. Galų gale, AI ko-mokslininkas generuoja tyrimų pasiūlymus ir hipotezes, o žmogaus tyrėjas gali bendrauti su sistema per chatbot sąsają, kad aptartų šias idėjas. Galite manyti, kad AI ko-mokslininkas yra pažangi kūrybinio mąstymo priemonė.

Kaip žmonės gali dalintis šventinio planavimo idėjomis su vartotojui pritaikytu AI, mokslininkai gali generuoti naujas tyrimų koncepcijas su AI, specialiai sukurtu moksliniams tyrimams. AI testavimas moksle Šiuo metu plačiai naudojamos AI sistemos turi garsią problemą dėl tikslumo. Generatyvinė AI turi tendenciją teikti atsakymus neatsižvelgdama į tai, ar turi tinkamus mokymo duomenis ar modelių svorius, ir faktų tikrinimas naudojant papildomas AI modelių nesuteikia garantijos tikslumui. Sukurdama savo samprotavimo galimybes, AI ko-mokslininkas atlieka vidinius įvertinimus, kad pagerintų savo rezultatus, o „Google“ tvirtina, kad šie savęs vertinimo įvertinimai yra susiję su pagerintu moksliniu tikslumu. Nepaisant to, kad vidiniai rodikliai yra informatyvūs, ką mano tikri mokslininkai?„Google“ paprašė biomedicinos tyrėjų įvertinti roboto pateiktus pasiūlymus, ir jie sakoma, kad AI ko-mokslininką įvertino palankiau nei kitus mažiau specializuotus AI sistemus. Ekspertai taip pat pastebėjo, kad AI ko-mokslininko pateikti rezultatai parodė didesnį potencialą novatoriškam poveikiui, palyginti su standartiniais AI modeliais. Vis dėlto ne visi AI pasiūlymai yra neišvengiamai pagrįsti. Nepaisant to, „Google“ bendradarbiavo su keletu universitetų, kad išbandytų kai kuriuos AI sugeneruotus tyrimų pasiūlymus laboratorinėse sąlygose. Pavyzdžiui, AI rekomendavo perkelti tam tikras vaistų vartojimo schemas gydant ūminę mieloidinę leukemiją, ir pirminiai laboratoriniai bandymai parodė, kad šis požiūris buvo įmanomas. Tyrimai, atlikti Stanfordo universitete, taip pat parodė, kad AI ko-mokslininko gydymo pasiūlymai dėl kepenų fibrozės reikalauja tolesnių tyrimų. Nors šis tyrimas tikrai intriguoja, sistemos vadinimas „ko-mokslininku“ gali būti šiek tiek perdėtas. Nepaisant AI lyderių teiginių, kad artėjame prie autonominių, mąstančių mašinų atsiradimo, AI toli gražu nėra pajėgi savarankiškai atlikti mokslinius tyrimus. Tačiau šis AI ko-mokslininkas vis tiek gali būti svarbus padedant žmonėms interpretuoti ir kontekstualizuoti didelius duomenų ir tyrimų literatūros kiekius, net jei jam trūksta tikro supratimo ar galimybės teikti gilius įžvalgas.