Інженер-хімік з Університету Карнегі-Меллона Габріель Гомес є піонером у зміні підходу до проведення наукових експериментів. Його робота зосереджена на автоматизації лабораторних досліджень з використанням штучного інтелекту та робототехніки, прагнучи прискорити відкриття, одночасно знижуючи людські помилки та трудомісткі процеси. В основі цього зусилля лежить Coscientist, ІІ-агент, побудований на основі великих мовних моделей, таких як GPT-4, покликаний подолати розрив між складним кодом та інтуїтивним науковим дослідженням.
Шлях Гомеса розпочався у сільській Бразилії, де доступ до технологій був обмежений. Він став першим у своїй сім’ї, хто вступив до університету, що рухається викликом професора “вирішити” хімію за допомогою обчислень. Його досвід зрештою призвів до того, що він консультував Білий дім щодо потенціалу інтелектуальних систем. Його робота тепер вирішує фундаментальну проблему в сучасній науці: зробити потужні нові інструменти доступними для дослідників, яким може бракувати великих навичок програмування.
Проблема Сучасних Лабораторій
Багато сучасних лабораторій будуються з використанням автоматизованих систем, але вони покладаються на знання програмування, яких у багатьох хіміків та біологів немає. Це створює бар’єр для входу: вчені можуть використовувати передові лабораторії, якщо вони можуть легко взаємодіяти з устаткуванням. Гомес усвідомив цю проблему і прагнув створити рішення, в якому дослідники могли б взаємодіяти з автоматизованими лабораторіями природною мовою, а не кодом.
Як Працює Coscientist
Coscientist працює як інтелектуальний помічник лабораторних експериментів. Дослідники можуть давати ІІ інструкції простою мовою – наприклад, “Намалюй щось миле на цільовій пластині”, і система переведе це в роботизовані дії. В одному з перших тестів система успішно намалювала рибу на хімічній пластині без програмування. Це ілюструє потенціал автоматизації завдань, які зазвичай потребують докладних роботизованих інструкцій.
ІІ також допомагає збирати експериментальні дані у великих масштабах. Автоматизуючи процеси, що повторюються, такі як вимірювання кінетики реакцій, Coscientist дозволяє дослідникам генерувати набори даних, які в іншому випадку було б непрактично отримувати вручну. Це відкриває нові можливості пошуку даних у областях, раніше обмежених людськими обмеженнями.
Вплив на дослідження
Впровадження Coscientist вже трансформувало робочий процес у дослідницькій групі Гомеса. Нові студенти з обмеженим досвідом програмування швидко адаптувалися до використання системи, прискорюючи внесок у складні проекти. ІІ знижує бар’єр для входу, забезпечуючи більш швидке навчання та ефективніше експериментування.
Довгострокові наслідки є значними. Усуваючи людську упередженість і скорочуючи трудовитрати, Coscientist може відкрити наукові галузі, які раніше вважалися надто втомливими чи непрактичними вивчення. Це включає високопродуктивний скринінг хімічних реакцій та створення великомасштабних наборів даних для програм машинного навчання.
Застереження
Незважаючи на те, що ІІ пропонує величезний потенціал, Гомес застерігає від сліпої залежності від великих мовних моделей. Дослідники все ще повинні перевіряти результати та переконуватися, що інструкції ІІ відповідають науковим принципам. Незважаючи на швидкі досягнення, людський нагляд залишається вирішальним для підтримки точності та запобігання помилкам.
Підйом ІІ-керованих лабораторій готовий переформувати наукові дослідження. Автоматизуючи стомлюючі завдання та демократизуючи доступ до передових інструментів, системи, такі як Coscientist, можуть прискорити відкриття та відкрити нові горизонти в хімії та за її межами.
