Googles multi-agent AI-medforskersystem viser sig at være en kraftfuld forskningsassistent ved at gøre reelle videnskabelige opdagelser, som det normalt ville tage forskere år at afdække.
Motiveret af udfordringer i den moderne videnskabelige opdagelsesproces udviklede Google AI-medforskeren som et multi-agent AI-system baseret på Gemini 2.0. Systemet er designet til at fungere som et samarbejdsværktøj for forskere og efterligne den ræsonnementproces, der ligger til grund for den videnskabelige metode.
Ud over standardværktøjer til litteraturgennemgang og opsummering er AI-medforskeren udviklet til at afdække ny, original viden og formulere nye forskningshypoteser baseret på tidligere evidens og tilpasset specifikke forskningsmål. Når en forsker angiver sit forskningsmål i naturligt sprog, genererer systemet nye hypoteser, detaljerede forskningsoversigter og eksperimentelle protokoller.
Systemets evner blev dramatisk demonstreret, da professorerne José Penadés og Tiago Costa fra Imperial College London udfordrede det med et komplekst spørgsmål om bakteriel evolution. Penadés' laboratorium havde brugt et årti på at løse, hvordan kapsiddannende, fag-inducerbare kromosomale øer (cf-PICIs) kunne udskifte haler for at inficere forskellige bakteriearter. Før de offentliggjorde deres resultater, besluttede de at teste AI-medforskeren ved at vise den deres upublicerede data og se, om den kunne nå frem til samme konklusion.
Resultatet var bemærkelsesværdigt. AI'en identificerede korrekt, at cf-PICIs producerer deres egne kapsider og pakker deres DNA, men udelukkende er afhængige af faghaler for overførsel. Den opdagede, at cf-PICIs frigiver ikke-infektive, haleløse kapsider med deres DNA til omgivelserne, som derefter interagerer med faghaler fra forskellige arter for at danne kimære partikler, der kan injicere DNA i forskellige bakteriearter afhængigt af den tilstedeværende hale.
Professor Penadés bemærkede, at hans team var blevet hæmmet af deres egne forudindtagelser: "Vi var forudindtagede. I mange år troede jeg altid—og alle inden for fagbiologi tror—at efter infektion har man infektive partikler med kapsid og hale. Vi forstod ikke, hvorfor vi havde PICIs, der kunne induceres, men ikke blev overført... Vi var så forudindtagede, at vi ikke kunne se, hvad der faktisk foregik."
AI-medforskerens præstation er blevet valideret ud over dette enkeltstående tilfælde. På et udsnit af 11 forskningsmål vurderede domæneeksperter systemets output sammenlignet med andre relevante baselines. Selvom stikprøven var lille, vurderede eksperterne, at AI-medforskeren havde større potentiale for nyhedsværdi og gennemslagskraft og foretrak dens output frem for andre modeller.
For at muliggøre ansvarlig udforskning af AI-medforskerens potentiale giver Google nu adgang til systemet for forskningsorganisationer gennem et Trusted Tester Program. Efterhånden som videnskabelige udfordringer bliver mere komplekse og tværfaglige, kan værktøjer som AI-medforskeren markant accelerere opdagelsestempoet ved at hjælpe forskere med at overvinde deres egne forudindtagelser og identificere lovende nye forskningsretninger.