Naukowcy z Chalmers University of Technology w Szwecji opracowali system sztucznej inteligencji, który potrafi samodzielnie generować hipotezy naukowe, projektować eksperymenty, analizować ich wyniki, a następnie modyfikować swoje założenia na podstawie uzyskanych danych. Rozwiązanie przetestowano w badaniach nad drożdżami Saccharomyces cerevisiae. Zdaniem autorów takie autonomiczne laboratoria mogą w przyszłości przyspieszyć badania w biologii, medycynie i biotechnologii.
Z tego artykułu dowiesz się…
- Jak działa „naukowiec AI” stworzony przez badaczy z Chalmers University of Technology i w jaki sposób może samodzielnie generować hipotezy, projektować eksperymenty oraz analizować ich wyniki.
- Jakie są wyniki eksperymentów na drożdżach Saccharomyces cerevisiae, w których AI przeanalizowała około 60 tys. zależności biologicznych i wygenerowała blisko 2 tys. możliwych do przetestowania przewidywań.
- Na czym polega działanie autonomicznego laboratorium w zamkniętej pętli i jak system wykorzystuje wyniki kolejnych eksperymentów do aktualizowania swoich hipotez.
- Jak autonomiczne laboratoria mogą w przyszłości przyspieszyć badania w biologii, medycynie i biotechnologii oraz dlaczego naukowcy nadal mają odgrywać w nich kluczową rolę.
„Naukowiec AI” przeprowadza cały cykl badawczy
Sztuczna inteligencja jest już szeroko wykorzystywana do analizy danych naukowych czy wyszukiwania zależności w ogromnych zbiorach informacji. Szwedzcy badacze poszli jednak o krok dalej. Połączyli duże modele językowe, zautomatyzowane wnioskowanie, rozbudowane zasoby wiedzy naukowej oraz robotykę laboratoryjną. W efekcie powstało laboratorium działające w zamkniętej pętli. System może nie tylko wskazać interesujący problem badawczy, ale również zaproponować sposób jego sprawdzenia, przeprowadzić eksperyment i wykorzystać uzyskane wyniki do kolejnego cyklu badań.
To zbyt wiele informacji, aby człowiek mógł je przeanalizować, ale nasz naukowiec zajmujący się sztuczną inteligencją mógł identyfikować obiecujące pytania biologiczne, rekomendować eksperymenty w celu ich przetestowania, oceniać wyniki eksperymentów i iteracyjnie udoskonalać swoją wiedzę w oparciu o nowe dowody. Zamiast służyć wyłącznie jako narzędzie wspomagające podejmowanie decyzji, naukowiec zajmujący się sztuczną inteligencją aktywnie generuje nową wiedzę naukową – mówi Jewgienija Tiukowa, badaczka podoktorska na Wydziale Nauk Biologicznych Uniwersytetu Technologicznego Chalmersa i jedna z autorek nowego badania.
AI przeanalizowała około 60 tys. zależności i stworzyła blisko 2 tys. prognoz
Możliwości systemu sprawdzono w badaniach nad drożdżami Saccharomyces cerevisiae, jednym z najważniejszych organizmów modelowych wykorzystywanych w biologii. Naukowiec AI korzystał z wiedzy dotyczącej m.in. genomu drożdży, ich metabolizmu oraz wyników wcześniejszych eksperymentów. Jak opisano w materiale dotyczącym badania, system przeanalizował bazę obejmującą około 60 tys. zależności fenotypowych, fizjologicznych i metabolicznych. Na tej podstawie wygenerował blisko 2 tys. możliwych do przetestowania przewidywań dotyczących wpływu składników odżywczych na wzrost komórek i odporność na stres.
Następnie hipotezy były oceniane i przekładane na instrukcje możliwe do wykonania przez aparaturę laboratoryjną. Po przeprowadzeniu doświadczeń AI analizowała uzyskane dane i sprawdzała, czy jej wcześniejsze przewidywania były prawidłowe. Jeżeli wyniki nie potwierdzały hipotezy, system mógł ją zaktualizować lub dopracować przed kolejnym cyklem eksperymentalnym. To właśnie możliwość wielokrotnego przechodzenia od hipotezy do eksperymentu, wyniku i nowej hipotezy jest jednym z najważniejszych elementów opracowanego rozwiązania.
Autonomiczne laboratoria mogą przyspieszyć badania nad lekami
Autorzy badania wskazują, że podobne systemy mogą mieć znaczenie znacznie wykraczające poza eksperymenty na drożdżach. Połączenie AI z automatyzacją laboratoryjną może pozwolić na systematyczne badanie bardzo dużej liczby hipotez w krótszym czasie.
Naukowcy zajmujący się sztuczną inteligencją będą współpracować z naukowcami, aby przyspieszyć odkrycia w dziedzinie biologii, medycyny i biotechnologii. Takie systemy sztucznej inteligencji mają potencjał skrócenia czasu potrzebnego na zgłębianie złożonych zagadnień naukowych i optymalizacji wykorzystania zasobów laboratoryjnych – mówi profesor King.
Dla sektora medycznego i farmaceutycznego rozwój takich technologii może być szczególnie istotny. Autonomiczne systemy badawcze mogą w przyszłości wspierać m.in. badania mechanizmów chorób, poszukiwanie nowych celów terapeutycznych czy proces odkrywania leków. Nie jest to zresztą całkowicie nowa koncepcja. Prof. Ross King wcześniej stworzył robota-naukowca Adam, przeznaczonego do autonomicznego prowadzenia eksperymentów, a następnie system Eve, którego zadaniem było wspieranie odkrywania leków.
AI nie ma zastąpić naukowców
Rosnąca autonomia systemów nie oznacza jednak, że badacze mają zniknąć z laboratoriów. Autorzy podkreślają, że sztuczna inteligencja ma przede wszystkim przejmować część powtarzalnych cykli związanych z generowaniem i eksperymentalnym testowaniem hipotez.
Naukowcy pozostają niezbędni do określania priorytetów badawczych, interpretowania szerszego znaczenia naukowego i zapewniania nadzoru etycznego. Przyszłe generacje autonomicznych systemów badawczych będą coraz lepiej zdolne do współpracy z naukowcami, stając się cennymi partnerami w rozwiązywaniu niektórych z najtrudniejszych problemów biologii i medycyny – mówi profesor King.
Znaczenie nadzoru człowieka rośnie wraz ze zwiększaniem autonomii AI. Dotyczy to zarówno oceny znaczenia uzyskanych wyników, jak i wyboru kierunków badań, bezpieczeństwa oraz kwestii etycznych. Wyniki opisano w badaniu „Agentic AI integrated with scientific knowledge: laboratory validation in systems biology”, opublikowanym w czasopiśmie „Journal of the Royal Society Interface”.
Główne wnioski
- Naukowcy z Chalmers University of Technology stworzyli system AI zdolny do przeprowadzenia dużej części cyklu badawczego – od generowania hipotez i projektowania eksperymentów po analizę wyników i aktualizowanie wcześniejszych założeń.
- W badaniach nad Saccharomyces cerevisiae system przeanalizował około 60 tys. zależności fenotypowych, fizjologicznych i metabolicznych, a następnie wygenerował blisko 2 tys. możliwych do sprawdzenia przewidywań dotyczących wzrostu komórek i odporności na stres.
- Połączenie dużych modeli językowych, wiedzy naukowej, zautomatyzowanego wnioskowania i robotyki laboratoryjnej pozwoliło stworzyć laboratorium działające w zamkniętej pętli, w którym wyniki eksperymentów mogą być wykorzystywane do planowania kolejnych badań.
- Autorzy badania wskazują, że autonomiczne laboratoria mogą przyspieszyć odkrycia w biologii, medycynie i biotechnologii, jednak człowiek nadal pozostaje niezbędny m.in. do ustalania priorytetów badawczych, interpretacji znaczenia wyników i zapewnienia nadzoru etycznego.
Źródło:
- https://royalsocietypublishing.org/rsif/article/23/240/20260043/482450/Agentic-AI-integrated-with-scientific-knowledge
- https://www.chalmers.se/en/current/news/ai-scientist-autonomously-generates-and-validates-new-biological-discoveries/
