Inżynier chemik z Carnegie Mellon University, Gabriel Gomez, jest pionierem w zmianie sposobu przeprowadzania eksperymentów naukowych. Jego praca koncentruje się na automatyzacji badań laboratoryjnych z wykorzystaniem sztucznej inteligencji i robotyki, mając na celu przyspieszenie odkryć przy jednoczesnej redukcji błędów ludzkich i pracochłonnych procesów. Sercem tych wysiłków jest Coscientist, agent sztucznej inteligencji zbudowany na podstawie dużych modeli językowych, takich jak GPT-4, zaprojektowany w celu wypełnienia luki między złożonym kodem a intuicyjnymi eksploracjami naukowymi.
Podróż Gomeza rozpoczęła się na wiejskich terenach Brazylii, gdzie dostęp do technologii był ograniczony. Jako pierwszy w swojej rodzinie rozpoczął studia na uniwersytecie, motywowany wyzwaniem rzuconym przez profesora, by „rozwiązać” chemię za pomocą obliczeń. Jego doświadczenie ostatecznie doprowadziło do tego, że doradzał Białemu Domowi w zakresie potencjału inteligentnych systemów. Jego praca dotyczy obecnie podstawowego problemu współczesnej nauki: udostępniania nowych, potężnych narzędzi badaczom, którym może brakować szerokich umiejętności programowania.
Problem nowoczesnych laboratoriów
Wiele nowoczesnych laboratoriów zbudowanych jest w oparciu o systemy zautomatyzowane, jednak opierają się one na wiedzy programistycznej, której nie posiada wielu chemików i biologów. Tworzy to barierę wejścia: naukowcy nie mogą korzystać z zaawansowanych laboratoriów, jeśli nie mogą łatwo połączyć się ze sprzętem. Gomez dostrzegł ten problem i poszukiwał rozwiązania, w ramach którego badacze mogliby wchodzić w interakcję ze zautomatyzowanymi laboratoriami, posługując się językiem naturalnym, a nie kodem.
Jak działa naukowiec
Coscientist pracuje jako inteligentny asystent w eksperymentach laboratoryjnych. Badacze mogą wydawać AI instrukcje prostym językiem – na przykład „Narysuj coś uroczego na tarczy celowniczej”, a system przetłumaczy to na działania robotyczne. W jednym z pierwszych testów system pomyślnie narysował rybę na płytce chemicznej bez wyraźnego programowania. To ilustruje potencjał automatyzacji zadań, które zazwyczaj wymagają szczegółowych instrukcji robotycznych.
Sztuczna inteligencja pomaga także w gromadzeniu danych eksperymentalnych na dużą skalę. Automatyzując powtarzalne procesy, takie jak pomiar kinetyki reakcji, Coscientist umożliwia badaczom generowanie zbiorów danych, których ręczne uzyskanie w innym przypadku byłoby niepraktyczne. Otwiera to nowe możliwości odkrywania danych w obszarach wcześniej ograniczonych przez ograniczenia człowieka.
Wpływ na badania
Wdrożenie Coscientist zmieniło już przepływ pracy w grupie badawczej Gomeza. Nowi studenci z ograniczonym doświadczeniem programistycznym szybko przystosowali się do obsługi systemu, przyspieszając swój wkład w złożone projekty. Sztuczna inteligencja obniża barierę wejścia, umożliwiając szybsze uczenie się i efektywniejsze eksperymentowanie.
Konsekwencje długoterminowe są znaczące. Eliminując ludzkie uprzedzenia i redukując koszty pracy, Coscientist może otworzyć dziedziny nauki, które wcześniej uważano za zbyt nudne lub niepraktyczne do studiowania. Obejmuje to wysokoprzepustowe badanie przesiewowe reakcji chemicznych i generowanie wielkoskalowych zbiorów danych do zastosowań w zakresie uczenia maszynowego.
Zastrzeżenia
Chociaż sztuczna inteligencja oferuje ogromny potencjał, Gomez ostrzega przed ślepym poleganiem na dużych modelach językowych. Naukowcy nadal muszą sprawdzić wyniki i upewnić się, że instrukcje sztucznej inteligencji są zgodne z zasadami naukowymi. Pomimo szybkiego postępu nadzór człowieka pozostaje kluczowy dla utrzymania dokładności i zapobiegania błędom.
Rozwój laboratoriów wykorzystujących sztuczną inteligencję może zmienić kształt badań naukowych. Automatyzując żmudne zadania i demokratyzując dostęp do najnowocześniejszych narzędzi, systemy takie jak Coscientist mogą przyspieszyć odkrycia i stworzyć nowe możliwości w chemii i nie tylko.
