Googles AI-medsforskarsystem med flera agenter visar sig vara en kraftfull forskningsassistent genom att göra genuina vetenskapliga upptäckter som normalt skulle ta forskare åratal att komma fram till.
Motiverade av utmaningar i den moderna vetenskapliga upptäcktsprocessen utvecklade Google AI-medsforskaren som ett multiagentsystem baserat på Gemini 2.0. Systemet är utformat för att fungera som ett samarbetsverktyg för forskare och efterliknar det resonemang som ligger till grund för den vetenskapliga metoden.
Utöver vanliga verktyg för litteraturgranskning och sammanfattning är AI-medsforskaren avsedd att upptäcka ny, originell kunskap och formulera nya forskningshypoteser baserade på tidigare bevis och anpassade till specifika forskningsmål. Givet ett forskningsmål uttryckt i naturligt språk genererar systemet nya hypoteser, detaljerade forskningsöversikter och experimentella protokoll.
Systemets kapacitet demonstrerades dramatiskt när professorerna José Penadés och Tiago Costa vid Imperial College London utmanade det med en komplex fråga om bakteriell evolution. Penadés laboratorium hade tillbringat ett decennium med att lösa hur kapsidbildande, fag-inducerbara kromosomala öar (cf-PICIs) kunde byta svansar för att infektera olika bakteriearter. Innan de publicerade sina resultat bestämde de sig för att testa AI-medsforskaren genom att visa den sina opublicerade data och se om den kunde nå samma slutsats.
Resultatet var anmärkningsvärt. AI:n identifierade korrekt att cf-PICIs producerar sina egna kapsider och packar sitt DNA, men är helt beroende av fag-svansar för överföring. Den upptäckte att cf-PICIs släpper ut icke-infektiva, svanslösa kapsider med sitt DNA i miljön, vilka sedan interagerar med fag-svansar från olika arter för att bilda chimära partiklar som kan injicera DNA i olika bakteriearter beroende på vilken svans som är närvarande.
Professor Penadés noterade att hans team hade hindrats av sina egna förutfattade meningar: "Vi var partiska. I många år trodde jag alltid—och alla inom fagbiologi tror—att efter infektion har man infektiösa partiklar med kapsid och svans. Vi förstod inte varför vi hade PICIs som kunde induceras men inte överfördes... Vi var så partiska att vi inte kunde se vad som faktiskt hände."
AI-medsforskaren har validerats även utanför detta enskilda fall. På ett urval av 11 forskningsmål bedömde ämnesexperter systemets resultat jämfört med andra relevanta baslinjer. Även om urvalet var litet ansåg experterna att AI-medsforskaren hade högre potential för nytänkande och genomslag, och föredrog dess resultat framför andra modeller.
För att möjliggöra ansvarsfull utforskning av AI-medsforskarens potential ger Google nu forskningsorganisationer tillgång till systemet genom ett Trusted Tester-program. I takt med att vetenskapliga utmaningar blir allt mer komplexa och tvärvetenskapliga kan verktyg som AI-medsforskaren påtagligt påskynda upptäcktsprocessen genom att hjälpa forskare att övervinna sina egna fördomar och identifiera lovande nya forskningsinriktningar.