Nově spuštěná AI platforma společnosti FutureHouse představuje významný pokrok v aplikaci umělé inteligence na vědecký výzkum a má potenciál zvrátit znepokojivý, několik desetiletí trvající trend klesající produktivity ve výzkumu.
Platforma se skládá ze čtyř specializovaných AI agentů, z nichž každý je navržen tak, aby řešil konkrétní úzká místa ve vědeckém procesu. Crow slouží jako univerzální agent pro vyhledávání literatury a stručné vědecké odpovědi; Falcon se specializuje na hluboké rešerše s přístupem ke specializovaným vědeckým databázím; Owl zjišťuje, zda byly konkrétní experimenty již dříve provedeny; a Phoenix pomáhá vědcům s plánováním chemických experimentů.
Podle spoluzakladatelů FutureHouse Sama Rodriquesa (MIT PhD '19) a Andrewa Whitea byli tito agenti důkladně testováni a prokázali, že překonávají jak špičkové AI modely, tak i výzkumníky s titulem PhD v úkolech vyhledávání a syntézy vědecké literatury. Vývoj platformy byl motivován Rodriquesovou zkušeností z jeho výzkumu neurověd na MIT, kde si všiml, že obrovské množství vědecké literatury vytváří informační úzké hrdlo.
"Přirozený jazyk je skutečným jazykem vědy," vysvětluje Rodriques. "Jiní lidé staví základní modely pro biologii, kde se strojové učení učí jazyk DNA nebo proteinů, a to je mocné. Ale objevy nejsou reprezentovány v DNA nebo proteinech. Jediný způsob, jak umíme objevy reprezentovat, formulovat hypotézy a uvažovat, je pomocí přirozeného jazyka."
Platforma se již osvědčila v reálných aplikacích. Vědci z různých výzkumných institucí využili agenty FutureHouse k systematickým rešerším genů souvisejících s Parkinsonovou chorobou, přičemž výsledky údajně převyšovaly ty, které poskytují univerzální AI nástroje. V květnu 2025 FutureHouse předvedl multiagentní workflow, které identifikovalo potenciálního nového kandidáta na léčbu suché formy věkem podmíněné makulární degenerace, čímž ukázal schopnost platformy urychlit proces objevování.
S tím, jak vědecká produkce nadále exponenciálně roste, zatímco produktivita výzkumu klesá – a objevy nyní vyžadují více času, financí a větší týmy než dříve – by přístup FutureHouse, založený na tvorbě specializovaných, úkolově zaměřených AI agentů, mohl nabídnout řešení, které vědcům pomůže orientovat se ve stále složitějším světě moderního výzkumu.