Nowo uruchomiona platforma AI od FutureHouse stanowi istotny krok naprzód w zastosowaniu sztucznej inteligencji do badań naukowych, potencjalnie odwracając niepokojący, trwający od dekad trend spadku produktywności badawczej.
Platforma składa się z czterech wyspecjalizowanych agentów AI, z których każdy został zaprojektowany do eliminowania konkretnych wąskich gardeł w procesie naukowym. Crow pełni rolę uniwersalnego agenta do wyszukiwania literatury i udzielania zwięzłych, naukowych odpowiedzi; Falcon specjalizuje się w pogłębionych przeglądach literatury z dostępem do specjalistycznych baz danych; Owl sprawdza, czy konkretne eksperymenty były już wcześniej przeprowadzane; natomiast Phoenix wspiera badaczy w planowaniu eksperymentów chemicznych.
Według współzałożycieli FutureHouse, Sama Rodriquesa (MIT PhD '19) i Andrew White’a, agenci ci zostali poddani rygorystycznym testom porównawczym i wykazali lepsze wyniki zarówno od najnowszych modeli AI, jak i od badaczy na poziomie doktoranckim w zadaniach wyszukiwania i syntezy literatury. Inspiracją do stworzenia platformy były doświadczenia Rodriquesa z czasów badań nad neurobiologią na MIT, gdzie zauważył, że ogromna ilość publikacji naukowych tworzy poważne wąskie gardło informacyjne.
"Język naturalny to prawdziwy język nauki" – wyjaśnia Rodriques. „Inni budują modele bazowe dla biologii, gdzie modele uczą się języka DNA lub białek, i to jest potężne. Ale odkrycia nie są zapisane w DNA czy białkach. Jedynym sposobem, w jaki potrafimy reprezentować odkrycia, stawiać hipotezy i rozumować, jest język naturalny.”
Platforma już teraz wykazuje obiecujące rezultaty w praktycznych zastosowaniach. Naukowcy z różnych instytucji badawczych wykorzystali agentów FutureHouse do systematycznych przeglądów genów powiązanych z chorobą Parkinsona, uzyskując wyniki lepsze niż przy użyciu narzędzi AI ogólnego przeznaczenia. W maju 2025 roku FutureHouse zaprezentowało wieloagentowy proces, który zidentyfikował potencjalnego nowego kandydata na lek dla suchej postaci zwyrodnienia plamki związanego z wiekiem, pokazując możliwości platformy w przyspieszaniu procesu odkrywania.
W sytuacji, gdy liczba publikacji naukowych rośnie wykładniczo, a produktywność badań spada – odkrycia wymagają dziś więcej czasu, środków i większych zespołów niż dawniej – podejście FutureHouse, polegające na tworzeniu wyspecjalizowanych, zadaniowych agentów AI, może być rozwiązaniem, które pomoże naukowcom odnaleźć się w rosnącej złożoności współczesnych badań.