Останніми роками Google активно працює над інтеграцією генеративного штучного інтелекту у всі можливі продукти та ініціативи. Це включає роботи, які узагальнюють результати пошуку, взаємодіють з додатками та аналізують дані, зібрані з вашого телефону. Часто результати, отримані від цих систем штучного інтелекту, можуть бути несподівано вражаючими, навіть якщо їм не вистачає справжнього розуміння. Але чи можуть вони дійсно проводити наукові дослідження? Google Research наразі зосереджений на розробці штучного інтелекту, який функціонує як "співавтор-науковець". Їхня остання багатоагентна система ШІ, побудована на основі фреймворку Gemini 2. 0, націлена на біомедичних дослідників і призначена для допомоги, пропонуючи нові гіпотези та дослідницькі напрями. Однак цей так званий ШІ співавтор за суттю працює як вдосконалений чат-бот. Справжній науковець може використовувати співавтора Google, вводячи свої дослідницькі цілі, концепції та посилання з попередніх досліджень, що дозволяє ШІ пропонувати нові дослідницькі напрямки. Система складається з різних взаємопов'язаних моделей, які обробляють вхідні дані та звертаються до онлайн-ресурсів для покращення своїх пропозицій. У рамках цієї системи різні агенти кидають виклик один одному, створюючи "самопокращувальний цикл", подібний до інших моделей раціонального ШІ, таких як Gemini Flash Thinking та o3 від OpenAI. Незважаючи на те, що це генеративна система ШІ, як і Gemini, вона не має жодних абсолютно нових знань чи ідей. Натомість вона може робити розумні екстраполяції на основі існуючих даних. Врешті-решт, ШІ співавтор генерує дослідницькі пропозиції та гіпотези, а людський дослідник може взаємодіяти із системою через інтерфейс чат-бота для обговорення цих ідей. Ви можете сприймати ШІ співавтора як складний інструмент для мозкового штурму.

Так само, як люди можуть ділитися ідеями для планування свят з побутовим ШІ, науковці можуть генерувати нові дослідницькі концепції за допомогою ШІ, спеціально розробленого для наукових досліджень. Тестування ШІ у науці Наразі широко використовувані системи ШІ мають notorious проблему з точністю. Генеративний ШІ, як правило, надає відповіді, незалежно від того, чи є у нього правильні навчальні дані або ваги моделі, а перевірка фактів з використанням додаткових ШІ-моделей не гарантує точності. Завдяки своїм раціональним можливостям, ШІ співавтор проводить внутрішні оцінки для покращення своїх виходів, і Google стверджує, що ці оцінки самооцінки пов'язані з підвищеною науковою точністю. Однак, хоча внутрішні метрики є інформативними, що судять реальні науковці?Google попросив людських біомедичних дослідників оцінити пропозиції, зроблені роботом, і вони, як повідомляється, оцінили ШІ співавтора більш позитивно порівняно з іншими менш спеціалізованими системами ШІ. Експерти також зазначили, що результати ШІ співавтора демонструють більший потенціал для інноваційного впливу в порівнянні зі стандартними моделями ШІ. Проте не всі пропозиції ШІ є доцільними. Тим не менше, Google співпрацював з кількома університетами, щоб випробувати деякі з генерованих ШІ дослідницьких пропозицій у лабораторних умовах. Наприклад, ШІ запропонував перепрофілювати певні медикаменти для лікування гострої мієлоїдної лейкемії, і перші лабораторні тести показали, що цей підхід є здійсненним. Дослідження, проведене в Університеті Стенфорда, також виявило, що лікувальні пропозиції ШІ співавтора щодо печінкової фіброзу заслуговують на подальше вивчення. Хоча це дослідження безсумнівно цікаве, називати систему "співавтором-науковцем" може бути трохи перебільшенням. Незважаючи на заяви лідерів ШІ про те, що ми наближаємося до появи автономних, мислячих машин, ШІ далеко не здатний проводити наукові дослідження самостійно. Однак цей ШІ співавтор все ще може бути корисним у допомозі людям інтерпретувати та контекстуалізувати великі набори даних і дослідницьку літературу, навіть якщо йому не вистачає справжнього розуміння або здатності надавати глибокі уявлення.