Как ИИ‑соучёные ускоряют поиск лекарств — и как к ним присоединиться

Что делают ИИ‑соучёные

ИИ‑соучёный — это многопользовательский исследовательский партнёр. Агент генерации создаёт начальные гипотезы, а отдельные агенты критики и уточнения обсуждают и развивают эти идеи [1][2]. Цикл намеренно отражает человеческий научный цикл идеи, критики и пересмотра, но работает автономно. Таким образом, эти системы могут демонстрировать независимое рассуждение, творческое решение проблем, интеграцию знаний и адаптивное обучение [2].

Это отличается от задания одного вопроса одной модели. Ценность возникает из взаимодействия ролей: один агент предлагает, другой оспаривает, третий синтезирует более сильную версию. Поэтому система описывается как соучёный, а не как более быстрый поисковый движок.

Доказательства из поиска лекарств

Ранние команды применяли Co-Scientist к устойчивости к антимикробным препаратам, иммунитету растений и фиброзу печени [1]. При остром миелоидном лейкозе система выявила новые кандидаты на перепрофилирование лекарств и синергетические комбинированные терапии, которые позже были подтверждены in vitro [4]. Другими словами, ИИ предложил гипотезы, которые затем проверили эксперименты во влажной лаборатории.

Стэнфорд, Виртуальная лаборатория и Виртуальная биотех

Виртуальная лаборатория Стэнфорда создала почти 100 структур нанопротивотела против SARS-CoV-2, и более 90% этих структур связались с исходным вирусом [3]. После запуска системы учёные-люди вмешивались лишь в около 1% её операций [3]. Такой низкий показатель является мерой автономности, а не поводом убрать человеческий надзор.

Другая платформа, Виртуальная биотех, достигла примерно 184‑кратного ускорения по сравнению с подходами одного агента [3]. Это сравнение важно: выигрыш относится к одному агенту, а не к целой команде людей. Многопользовательское сотрудничество может значительно ускорять генерацию и уточнение идей, но эта скорость всё равно должна сочетаться с экспериментальной проверкой.

Цель‑специфичные по типам клеток

Препараты, нацеленные на гены, специфичные для типа клеток, имели на 40% большую вероятность перехода из фазы I в фазу II и на 48% большую вероятность достижения одобрения фазы IV, при этом демонстрируя на 32% более низкий уровень нежелательных явлений [3]. Эти данные указывают на одно преимущество использования ИИ для рассуждений о биологическом контексте: гипотезы можно фильтровать по специфичности типа клеток, что может снизить риск неудач на поздних стадиях.

Примеры Covid-19 и онкологии

В эксперименте Стэнфорда по перепроектированию вакцины против Covid-19 агенты ИИ сгенерировали десятки новых белков, два из которых оказались функциональными в лабораторных тестах [5]. В онкологии десятки тысяч агентов ИИ использовались для предсказания оптимальных стратегий атаки на белок, связанный с раком лёгкого; фармацевтическая компания позже подтвердила эти предсказания многообещающими результатами препаратов [5]. Это ранние демонстрации, но они показывают диапазон вопросов, которые можно решать.

Как получить доступ и запустить проект

Исследователи могут зарегистрироваться в инструменте генерации гипотез Google DeepMind. После регистрации пользователи предоставляют высокоуровневую цель исследования, а система занимается генерацией гипотез, критикой и планированием экспериментов [1][5]. Ожидается обратная связь человека в ключевых точках принятия решений, направляющая агентов без микроменеджмента каждого шага [5].

Для команд, создающих или настраивающих собственные системы, важен операционный протокол. Эффективное использование зависит от структурированных протоколов дебатов и консенсуса среди агентов, с возможными человеческими голосами для направления исследований [6]. На практике это означает определение вопроса, решение, как агенты будут оспаривать друг друга, и выбор моментов, когда люди вмешиваются.

Ограничения и безопасность

Гипотезы, сгенерированные ИИ, не являются выводами. Экспериментальная валидация остаётся обязательной перед тем, как любой результат сможет повлиять на решение о лечении [3][4]. Сообщаемые ускорения, включая показатель 184‑кратного ускорения, также сравниваются с базовыми показателями одного агента, а не с полными командами людей [3]. Они описывают, что может сделать многопользовательская архитектура, а не то, чего добьётся каждая лаборатория при каждом заболевании.

Безопасность является явным ограничением проектирования. Google DeepMind подчёркивает превентивную безопасность и безопасность на передовой, чтобы снизить риски от передовых ИИ [1]. Исследователи должны therefore рассматривать гипотезы, сгенерированные ИИ, как исходные точки, а не окончательные ответы.

Фокусированный способ начать

Маленький, чётко определённый молекулярный вопрос часто является лучшим первым проектом, чем широкая программа открытий. Опишите цель и желаемый результат, позвольте агентам сгенерировать и критиковать гипотезы, затем возьмите предложения, выдержавшие дебаты и консенсус, для экспериментального проектирования. Это сохраняет роль человека там, где она важна: выбор вопроса, оценка компромиссов и решение, что тестировать.

Источники

1. Co-Scientist: A multi-agent AI partner to accelerate research
2. AI Co-Scientist: How Autonomous AI Researchers
3. Accelerating scientific discovery with Co-Scientist - Nature
4. AI Scientists Reinventing Drug Discovery | Healthcare Discovery
5. A.I. Agents as ‘Co-Scientists’? This Lab Says They Could Speed Drug …
6. AI Co-Scientist Systems - emergentmind.com