Asistenți AI în știința modernă: cum ne ajută să redirecționăm medicamentele

Marți, revista Nature a publicat două studii despre sisteme de inteligență artificială concepute pentru a asista cercetătorii în dezvoltarea și testarea ipotezelor. Primul sistem, dezvoltat de Google și numit Co-Scientist, este proiectat ca un „cercetător în buclă”, ceea ce înseamnă că oamenii de știință intervin regulat pentru a ghida sistemul. Al doilea sistem, creat de organizația nonprofit FutureHouse, merge un pas mai departe și a fost antrenat să evalueze date biologice provenite din anumite tipuri de experimente.

Deși Google afirmă că sistemul său poate fi folosit și în fizică, ambele grupuri prezintă exclusiv date biologice și ipoteze relativ simple – cum ar fi eficacitatea unui medicament pentru o anumită afecțiune. Deci, aceasta nu este o încercare de a înlocui cercetătorii sau procesul științific, ci mai degrabă de a ajuta la ceea ce inteligențele artificiale fac cel mai bine: procesarea unor cantități masive de informații cu care oamenii s-ar lupta să se descurce.

Există unele distincții între cele două sisteme, dar ambele sunt ceea ce se numește agentic; acestea funcționează în fundal, apelând la alte unelte separate. Microsoft a adoptat o abordare similară cu asistentul său științific; OpenAI pare să fie o excepție, deoarece a ajustat simplu un model de limbaj mare pentru biologie. Deși există diferențe între ele pe care le vom evidenția, ambele sunt concentrate pe aceeași problemă generală: profuziunea absolută de informații științifice.

Cu ușurința publicării online, numărul de jurnale a explodat, și odată cu ele, numărul de articole. A devenit dificil pentru orice cercetător să rămână la curent cu domeniul său. Găsirea materialului potențial relevant din alte domenii este o adevărată provocare. Dacă te concentrezi pe dezvoltarea ochiului, de exemplu, unul dintre sistemele de semnalizare utilizate ar putea fi implicat și în rinichi, și poate fi ușor să ratezi ce descoperă alții despre acesta.

Așa cum oamenii de la FutureHouse au formulat această problemă, „Concentrându-se pe ‘sinteza combinatorie’ (identificarea conexiunilor neevidente între domenii disparate), Robin vizează eficient ‘fructele la îndemână’ pe care experții umani le-ar putea trece cu vederea din cauza compartimentării cunoștințelor științifice.”

Aceasta este o sarcină bine potrivită pentru AI, care poate procesa literatura revizuită de experți în fundal în timp ce cercetătorii fac alte lucruri. Nu este chiar o întrebare dacă un AI ar putea face ceva mai bine sau mai rău decât un om; este mai mult o problemă dacă vreun om ar ajunge să facă aceste tipuri de căutări.

Prin descoperirea suficientelor conexiuni între cercetările disparate, aceste unelte pot face sugestii – ipoteze, de fapt – despre biologie. Aceasta poate include lucruri precum ce procese stau la baza comportamentelor biologice și ce căi și rețele reglează aceste procese. Și, în cazurile explorate aici, a inclus sugerarea unor medicamente cunoscute care ar putea ținti unele dintre aceste căi în celulele bolnave: leucemia mieloidă acută în cazul Google și o formă de degenerescență maculară pentru FutureHouse.

Sursa: Ars Technica

Știință&Tehnică

Revista “Ştiinţă şi Tehnică“, cea mai cunoscută şi longevivă publicaţie de popularizare a ştiintelor din România