Het multi-agent AI-co-wetenschapper systeem van Google bewijst zijn waarde als krachtig onderzoeksinstrument door echte wetenschappelijke ontdekkingen te doen die onderzoekers normaal gesproken jaren zouden kosten om te ontrafelen.
Gemotiveerd door de uitdagingen in het moderne wetenschappelijke ontdekkingsproces, ontwikkelde Google de AI-co-wetenschapper als een multi-agent AI-systeem gebaseerd op Gemini 2.0. Het systeem is ontworpen als samenwerkingsinstrument voor wetenschappers en weerspiegelt het redeneervermogen dat ten grondslag ligt aan de wetenschappelijke methode.
De AI-co-wetenschapper gaat verder dan standaardtools voor literatuuronderzoek en samenvattingen: het doel is om nieuwe, originele kennis te ontdekken en innovatieve onderzoekshypothesen te formuleren op basis van bestaand bewijs en toegespitst op specifieke onderzoeksdoelen. Wanneer een onderzoeker een onderzoeksdoel in natuurlijke taal opgeeft, genereert het systeem nieuwe hypothesen, gedetailleerde onderzoeksanalyses en experimentele protocollen.
De capaciteiten van het systeem werden spectaculair gedemonstreerd toen professoren José Penadés en Tiago Costa van het Imperial College London het confronteerden met een complexe vraag over bacteriële evolutie. Het laboratorium van Penadés had tien jaar besteed aan het ontrafelen van hoe capsid-vormende faag-induceerbare chromosomale eilanden (cf-PICI's) van staart kunnen wisselen om verschillende bacteriesoorten te infecteren. Voordat ze hun bevindingen publiceerden, besloten ze de AI-co-wetenschapper te testen door deze hun ongepubliceerde data te tonen en te kijken of het systeem tot dezelfde conclusie zou komen.
Het resultaat was opmerkelijk. De AI identificeerde correct dat cf-PICI's hun eigen capsiden produceren en hun DNA verpakken, waarbij ze uitsluitend afhankelijk zijn van faagstaarten voor overdracht. Het ontdekte dat cf-PICI's niet-infectieuze, staartloze capsiden met hun DNA in het milieu vrijlaten, die vervolgens met faagstaarten van verschillende soorten interageren om chimerische deeltjes te vormen die DNA kunnen injecteren in uiteenlopende bacteriesoorten, afhankelijk van de aanwezige staart.
Professor Penadés merkte op dat zijn team werd gehinderd door hun eigen vooroordelen: "We waren bevooroordeeld. Jarenlang dacht ik—en iedereen in de faagbiologie denkt—dat je na infectie alleen infectieuze deeltjes hebt met capsid en staart. We begrepen niet waarom we PICI's hadden die geïnduceerd konden worden maar niet werden overgedragen... We waren zo bevooroordeeld dat we niet zagen wat er daadwerkelijk gebeurde."
De prestaties van de AI-co-wetenschapper zijn ook buiten dit enkele geval gevalideerd. Voor een subset van 11 onderzoeksdoelen beoordeelden domeindeskundigen de output van het systeem ten opzichte van andere relevante basismodellen. Hoewel de steekproef klein was, vonden experts dat de AI-co-wetenschapper meer potentie had voor vernieuwing en impact, en gaven zij de voorkeur aan de output boven die van andere modellen.
Om verantwoorde verkenning van het potentieel van de AI-co-wetenschapper mogelijk te maken, biedt Google toegang tot het systeem voor onderzoeksorganisaties via een Trusted Tester Programma. Naarmate wetenschappelijke uitdagingen complexer en interdisciplinairder worden, kunnen tools als de AI-co-wetenschapper het tempo van ontdekkingen aanzienlijk versnellen door onderzoekers te helpen hun eigen vooroordelen te overwinnen en veelbelovende nieuwe onderzoeksrichtingen te identificeren.