С тех пор как в 2021 году программа AlphaFold от Google DeepMind решила проблему сворачивания белка, существовавшую полвека назад, роль ИИ в науке в целом характеризовалась с точки зрения поиска аналогичных прорывов: доказательств того, что машины могут решать проблемы, которые люди не могут. Anthropic, однако, продвигает другую идею: агенты ИИ могут играть самую важную роль в непривлекательной работе между открытиями.
В эксклюзивном интервью, объявляющем о новом партнерстве с Институтом Аллена и Медицинским институтом Говарда Хьюза, руководитель отдела биологических наук Anthropic Джона Кул и Грейс Хьюн, исполнительный директор по приложениям ИИ в Институте Аллена, заявили, что элитные научные лаборатории используют агентов ИИ на базе Клода для устранения узких мест в анализе, аннотировании и координации, что может продлить сроки исследований на годы.
«Сжатый 21 век»
Кул, клеточный биолог и генетик по образованию, а также технологический лидер, рассказал Fortune, что его вдохновило эссе генерального директора Anthropic Дарио Амодеи 2024 года «Машины любящей благодати», в котором утверждалось, что «биология и медицина с поддержкой ИИ позволят нам сжать в пять-десять лет прогресс, которого биологи-люди могли бы достичь в течение следующих 50-100 лет».
Эту идею Амодей описал как «сжатый 21 век», который может сделать возможным все: от почти универсальной профилактики инфекционных заболеваний и значительного снижения смертности от рака до эффективного лечения генетических нарушений, болезни Альцгеймера и других хронических заболеваний. Амодей также предположил, что ИИ может обеспечить высоко персонализированную терапию, расширить человеческий контроль над самой биологией и даже значительно продлить продолжительность здоровой жизни.
По мнению Кула, это видение напрямую связано с использованием агентов ИИ в науке, не как инструментов, обеспечивающих прорывы, а как систем, которые могут брать на себя трудоемкие задачи анализа, координации и экспериментирования, которые замедляют открытия в лабораториях, позволяя людям потенциально делать эти важные новые открытия.
«То, чего достигла AlphaFold, невероятно», — сказал Кул, имея в виду решение системы давней проблемы сворачивания белка. «Но мы говорим здесь о другом. Речь идет о работе с командами на протяжении всего научного процесса и включении ИИ в их повседневную работу».
Хюинь сказал, что переход к агентам искусственного интеллекта в Институте Аллена, некоммерческой исследовательской организации в области биологических наук, основанной в 2003 году соучредителем Microsoft Полом Алленом, основан на инструментах, которые уже используют многие исследователи, в частности, на коде Claude Code от Anthropic, который стал популярен среди компьютерных биологов. Более того, по его словам, цель состоит не в том, чтобы применять ИИ повсеместно, а в том, чтобы сосредоточиться на конкретных частях исследовательского процесса (например, на задачах анализа данных, которые могут занять месяцы), где агенты могут оказать наиболее практическое воздействие и значительно ускорить научную работу.
Ни один исследователь не может увидеть все связи
«Мы приближаемся к моменту, когда «большая наука» становится нормой», — сказал он. Сегодня ученые генерируют так много данных — от геномики отдельных клеток и массивных наборов изображений до коннектомики, изучения того, как связаны нейроны в мозге и нервной системе, — что ни один исследователь не может удержать все это в голове или увидеть каждую связь.
Кул выделил Институт Аллена и Медицинский институт Говарда Хьюза как идеальных партнеров именно потому, что они уже играют роль в формировании современной науки. Институт Аллена создал некоторые из наиболее широко используемых наборов биологических данных в мире, в том числе подробные карты мозга мышей, которые показывают, где гены активны в реальных тканях, ресурсы, которые стали стандартными инструментами для исследователей во всех областях, а не только в нейробиологии. Совсем недавно такие карты были доведены до разрешения одной ячейки, что резко повысило их научную ценность, но значительно усложнило их анализ.
А в исследовательском кампусе Джанелия HHMI исследователи разработали фундаментальные инструменты, такие как индикаторы кальция, такие как GCaMP, которые позволяют ученым наблюдать за возбуждением нейронов в реальном времени, а также достижения в микроскопии сверхвысокого разрешения, которые помогли расширить физические пределы световых изображений. По словам Кула, акцент на инструментах и наборах данных — это именно то, что делает эти учреждения благодатной почвой для агентов ИИ: ускорение анализа, аннотирования и координации помогает не только одной лаборатории, но распространяется на всю науку.
«Наука — это увлекательная, но очень повторяющаяся и зачастую очень утомительная практика», — объяснил он. «В науке это означает большой объем работы, связанной с анализом и преобразованием наборов данных», — сказал он. «Я думаю, мы приближаемся к миру, в котором это по-прежнему потребует много работы, но… к следующим шагам и экспериментам вы перейдете намного, намного, быстрее».
Будущее, в котором ИИ может помочь формулировать гипотезы
Кул также описал будущее, в котором агенты ИИ будут не только анализировать результаты, но и помогать ученым решать, какие гипотезы следует развивать, сужая сотни возможных экспериментов до немногих, которые стоит провести, и даже предлагать новые конструкции ДНК, основанные на закономерностях, которые в одиночку людям нелегко увидеть.
«Мы движемся к моделям, которые могут помочь сформулировать гипотезы», основываясь на уже имеющихся у людей знаниях, сказал он. «Мы начинаем с «помогите мне расставить приоритеты для моих гипотез», потому что у меня ограниченное количество ресурсов, и я хочу провести все 100 экспериментов, но у меня есть деньги только на 10».
