Нещодавно запущена AI-платформа FutureHouse є значним кроком вперед у застосуванні штучного інтелекту до наукових досліджень і потенційно може змінити негативну тенденцію багаторічного зниження продуктивності в цій сфері.
Платформа складається з чотирьох спеціалізованих AI-агентів, кожен з яких вирішує конкретні вузькі місця наукового процесу. Crow виступає універсальним агентом для пошуку літератури та надання стислих наукових відповідей; Falcon спеціалізується на глибоких оглядах літератури з доступом до спеціалізованих наукових баз даних; Owl визначає, чи проводилися певні експерименти раніше; а Phoenix допомагає дослідникам у плануванні хімічних експериментів.
За словами співзасновників FutureHouse Сема Родрігеса (PhD MIT, 2019) та Ендрю Вайта, ці агенти пройшли ретельне тестування і показали кращі результати, ніж передові AI-моделі та дослідники з рівнем PhD у завданнях пошуку та синтезу наукової літератури. На створення платформи Родрігеса надихнув його власний досвід у нейронаукових дослідженнях в MIT, коли він зіткнувся з інформаційним вузьким місцем через надмірний обсяг наукової літератури.
"Природна мова — це справжня мова науки", — пояснює Родрігес. "Інші створюють фундаментальні моделі для біології, де машинне навчання оперує мовою ДНК чи білків, і це потужно. Але відкриття не представлені у ДНК чи білках. Єдиний спосіб, яким ми можемо представляти відкриття, формулювати гіпотези та міркувати — це природна мова".
Платформа вже демонструє ефективність у реальних застосуваннях. Науковці з різних дослідницьких установ використовували агентів FutureHouse для систематичних оглядів генів, пов'язаних із хворобою Паркінсона, і результати, за повідомленнями, перевершили універсальні AI-інструменти. У травні 2025 року FutureHouse продемонструвала мультиагентний робочий процес, який ідентифікував потенційного нового терапевтичного кандидата для сухої вікової макулярної дегенерації, що підкреслює здатність платформи прискорювати процес відкриттів.
Оскільки науковий обсяг продовжує зростати експоненційно, а продуктивність досліджень знижується — відкриття вимагають більше часу, фінансування та більших команд, ніж раніше, — підхід FutureHouse зі створення спеціалізованих, орієнтованих на завдання AI-агентів може стати рішенням для допомоги науковцям у подоланні зростаючої складності сучасних досліджень.