În ultimii ani, Google a avut misiunea de a integra inteligența artificială generativă în fiecare produs și inițiativă concepută. Acest lucru include roboți care rezumă rezultatele căutărilor, interacționează cu aplicațiile și analizează datele colectate de pe telefonul tău. Adesea, rezultatele generate de aceste sisteme de inteligență artificială pot fi surprinzător de impresionante, chiar dacă le lipsește o înțelegere reală. Dar pot ele să efectueze cu adevărat cercetări științifice? Cercetarea Google se concentrează acum pe dezvoltarea unei inteligențe artificiale care acționează ca un „co-șițent”. Cel mai recent sistem AI multi-agent, construit pe cadrul Gemini 2. 0, vizează cercetătorii biomedicali și este conceput pentru a asista prin sugerarea de noi ipoteze și domenii de cercetare. Cu toate acestea, acest așa-numit co-științ AI funcționează, în esență, ca un chatbot avansat. Un om de știință real poate utiliza co-științul Google introducându-și obiectivele de cercetare, conceptele și citările din studiile anterioare, ceea ce permite AI-ului să propună noi direcții de cercetare. Sistemul este alcătuit din diferite modele interconectate care procesează datele de intrare și accesează resurse online pentru a îmbunătăți sugestiile. În cadrul acestui sistem, agenții diferiți se provocă reciproc, creând un „ciclul auto-îmbunătățitor” asemănător cu alte modele AI de raționare, precum Gemini Flash Thinking și o3 de la OpenAI. În ciuda faptului că este un sistem AI generativ, precum Gemini, nu deține cunoștințe sau idei cu adevărat noi. În schimb, poate face extrapolări rezonabile din datele existente. În cele din urmă, co-științul AI generează propuneri de cercetare și ipoteze, iar cercetătorul uman poate interacționa cu sistemul printr-o interfață de chatbot pentru a discuta aceste idei. Ai putea considera co-științul AI ca un instrument sofisticat de brainstorming.

Așa cum indivizii pot împărtăși idei pentru organizarea unei petreceri cu un AI de consum, cercetătorii pot genera noi concepte de cercetare cu un AI special conceput pentru investigații științifice. Testarea AI în știință În prezent, sistemele AI utilizate pe scară largă au o problemă notorie cu acuratețea. Inteligența artificială generativă tinde să producă răspunsuri, indiferent dacă are sau nu datele de antrenament corecte sau greutăți ale modelului, iar verificarea faptelor folosind modele AI suplimentare nu garantează acuratețea. Cu capacitățile sale de raționare, co-științul AI efectuează evaluări interne pentru a-și îmbunătăți rezultatele, iar Google susține că aceste scoruri de auto-evaluare sunt legate de o acuratețe științifică sporită. Totuși, deși metricile interne sunt informative, ce cred de fapt oamenii de știință reali?Google a cerut cercetătorilor biomedicali umani să evalueze propunerile făcute de robot, iar aceștia au raportat că au evaluat co-științul AI mai favorabil decât alte sisteme AI mai puțin specializate. Experții au observat, de asemenea, că rezultatele obținute de co-științul AI au arătat un potențial mai mare pentru impact inovativ comparativ cu modelele standard de AI. Cu toate acestea, nu toate sugestiile AI sunt neapărat de încredere. Cu toate acestea, Google a colaborat cu mai multe universități pentru a testa unele dintre propunerile de cercetare generate de AI în laborator. De exemplu, AI a recomandat reutilizarea anumitor medicamente pentru tratamentul leucemiei mieloide acute, iar primele teste de laborator au indicat că această abordare era fezabilă. cercetările efectuate la Universitatea Stanford au descoperit, de asemenea, că sugestiile de tratament ale co-științului AI pentru fibroza hepatică merită o investigație suplimentară. Deși această cercetare este într-adevăr fascinantă, a se referi la sistem ca un „co-științ” poate fi oarecum exagerat. În ciuda afirmațiilor liderilor din domeniul AI că ne apropiem de apariția mașinilor autonome, gânditoare, AI este departe de a fi capabil să efectueze împreună cercetări științifice în mod independent. Cu toate acestea, acest co-științ AI ar putea fi totuși esențial în ajutarea oamenilor de a interpreta și contextualiza seturi de date mari și literatura de cercetare, chiar dacă îi lipsește o înțelegere reală sau abilitatea de a oferi perspective profunde.