Pinatutunayan ng multi-agent AI co-scientist system ng Google ang halaga nito bilang isang makapangyarihang katuwang sa pananaliksik sa pamamagitan ng paggawa ng mga tunay na siyentipikong tuklas na karaniwang inaabot ng mga taon bago matuklasan ng mga mananaliksik.
Bunsod ng mga hamon sa makabagong proseso ng siyentipikong pagtuklas, binuo ng Google ang AI co-scientist bilang isang multi-agent AI system na nakabatay sa Gemini 2.0. Dinisenyo ang sistema bilang isang kasangga ng mga siyentipiko, na ginagaya ang proseso ng pangangatwiran na nakapaloob sa siyentipikong metodo.
Higit pa sa karaniwang mga kasangkapan sa pagrepaso at pagbubuod ng literatura, layunin ng AI co-scientist na tuklasin ang mga bago at orihinal na kaalaman at bumuo ng mga bagong hypothesis batay sa naunang ebidensya at iniangkop sa mga tiyak na layunin ng pananaliksik. Kapag binigyan ng layunin ng isang siyentipiko gamit ang natural na wika, lumilikha ang sistema ng mga bagong hypothesis, detalyadong pangkalahatang-ideya ng pananaliksik, at mga protokol para sa eksperimento.
Dramatikong ipinakita ang kakayahan ng sistema nang hamunin ito ng mga propesor mula sa Imperial College London na sina José Penadés at Tiago Costa gamit ang isang masalimuot na tanong tungkol sa ebolusyon ng bakterya. Sampung taon ginugol ng laboratoryo ni Penadés upang matuklasan kung paano nakakapalit ng tails ang capsid-forming phage-inducible chromosomal islands (cf-PICIs) upang makahawa sa iba't ibang uri ng bakterya. Bago nila ilathala ang kanilang mga tuklas, nagpasya silang subukan ang AI co-scientist sa pamamagitan ng pagpapakita rito ng kanilang hindi pa nailalathalang datos at tingnan kung makararating ito sa parehong konklusyon.
Kahanga-hanga ang naging resulta. Tama nitong natukoy na ang cf-PICIs ay gumagawa ng sarili nilang capsids at ipinupunla ang kanilang DNA, na umaasa lamang sa mga phage tails para sa paglipat. Natuklasan ng AI na ang cf-PICIs ay naglalabas ng mga hindi nakakahawang capsid na walang tail na naglalaman ng kanilang DNA sa kapaligiran, na pagkatapos ay nakikipag-ugnayan sa mga phage tails mula sa iba't ibang species upang makabuo ng mga chimeric particle na kayang mag-inject ng DNA sa iba't ibang uri ng bakterya depende sa kasalukuyang tail.
Ayon kay Propesor Penadés, napigilan sila ng sarili nilang mga pagkiling: "May pagkiling kami. Sa maraming taon, palagi kong iniisip—at iniisip din ng lahat ng mga taong nag-aaral ng phage biology—na pagkatapos ng impeksyon, ang mayroon ka ay mga nakakahawang particle na may capsid at tail. Hindi namin maintindihan kung bakit may mga PICIs na na-iinduce pero hindi naililipat... Sobrang laki ng aming pagkiling kaya hindi namin nakita ang totoong nangyayari."
Napatunayan ang kakayahan ng AI co-scientist hindi lamang sa kasong ito. Sa isang subset ng 11 layunin ng pananaliksik, in-assess ng mga eksperto sa larangan ang mga output ng sistema kumpara sa ibang kaugnay na baseline. Bagama't maliit ang sample size, itinuring ng mga eksperto na mas mataas ang potensyal ng AI co-scientist para sa kabaguhan at epekto, at mas pinili ang mga output nito kaysa sa ibang mga modelo.
Upang mapadali ang responsableng pag-explore sa potensyal ng AI co-scientist, binubuksan ng Google ang access sa sistema para sa mga organisasyon ng pananaliksik sa pamamagitan ng Trusted Tester Program. Habang lalo pang nagiging masalimuot at interdisiplinaryo ang mga hamon sa agham, maaaring mapabilis nang malaki ng mga kasangkapan tulad ng AI co-scientist ang bilis ng pagtuklas sa pamamagitan ng pagtulong sa mga mananaliksik na mapagtagumpayan ang sariling pagkiling at matukoy ang mga bagong direksyon ng pananaliksik.