Google DeepMind превратила Co-Scientist в автономную научную платформу
ИИ-система на базе Gemini теперь может планировать эксперименты, управлять лабораторным оборудованием и писать научные статьи, самостоятельно проводя исследования от материаловедения до медицины.
Google DeepMind представила обновленную версию своей системы Co-Scientist. Она построена на основе модели Gemini и мультиагентной архитектуры, превратившись из инструмента для генерации гипотез в платформу для проведения исследований. Ее главная особенность - способность самостоятельно планировать эксперименты, управлять лабораторным оборудованием и писать научные статьи. Это сокращает путь от идеи до публикации, минимизируя рутинное участие человека.
Практические испытания системы проводились в нескольких научных областях. Например, в синтезе новых материалов Co-Scientist автономно планировала и выполняла химические и физические процедуры, используя роботов и датчики. В другой области, связанной с разработкой алгоритмов, система управляла циклами проектирования, тестирования и оптимизации. Во всех случаях она анализировала полученные данные, формулировала выводы и готовила черновики статей для последующего рецензирования. Это демонстрирует эволюцию от ИИ-ассистента к ИИ-исполнителю в научной работе.
Мультиагентная архитектура, где разные модули отвечают за планирование, исполнение, анализ и коммуникацию, становится ключевым подходом для сложных задач. Особенно важна интеграция с физическим лабораторным оборудованием, которая стирает границу между цифровым моделированием и реальным экспериментом. Это открывает путь к непрерывным исследовательским программам, способным ускорить прогресс в таких областях, как медицина и материаловедение, потенциально снижая количество ошибок.
Однако широкому внедрению мешают серьезные вопросы. К ним относятся безопасность и контроль над автономными системами, работающими со сложным оборудованием, а также этические аспекты, связанные с авторством работ, сгенерированных ИИ, и ответственностью за возможные ошибки. Кроме того, зависимость от мощных базовых моделей и роботизированной инфраструктуры может создавать барьеры для менее обеспеченных научных институтов.
Эта разработка не заменяет ученого, но трансформирует его роль. Ученый становится стратегом, который ставит глобальные задачи, интерпретирует результаты, полученные ИИ, и обеспечивает необходимый надзор за процессом. Система берет на себя выполнение рутинных и повторяющихся операций, позволяя исследователям сосредоточиться на творческой и аналитической работе.
