ARIA финансира AI учени за автоматизация и ускоряване на лабораторни научни открития

ARIA финансира разработки на AI учени за автоматизация на лабораторни експерименти

Наскоро няколко стартиращи компании и университети, които разработват „AI учени“ – системи, способни да проектират и провеждат експерименти в лаборатория, включително роботизирани биолози и химици, получиха допълнително финансиране от британската агенция ARIA (Advanced Research and Invention Agency), която подкрепя амбициозни и иновативни изследователски проекти. Тази инициатива дава ясен поглед върху бързината, с която се развиват тези технологии: агенцията получи общо 245 предложения от изследователски екипи, които вече създават инструменти за все по-голяма автоматизация на лабораторните дейности.

Как ARIA дефинира AI учен

ARIA определя AI учен като система, която може да проведе цялостен научен процес – от формулиране на хипотези, проектиране и изпълнение на експерименти за проверка на тези хипотези, до анализ на резултатите и повторение на цикъла с усъвършенствани данни. Човешките учени остават надзорници – те задават първоначалните научни въпроси и позволяват на AI системата да извърши „тежката“ лабораторна работа.

„По-добре е докторантите да не стоят будни до 3 часа сутринта в лаборатория, за да следят дали експериментът е завършил успешно,“ казва Ант Раустън, главен технологичен директор на ARIA.

Финансирани проекти и инвестирани средства

От общо 245 предложения ARIA избра 12 проекта, финансирайки ги с около £500,000 (приблизително $675,000) всеки за деветмесечен период. Поради качеството и количеството подадени идеи, агенцията удвои първоначалния си бюджет. Половината екипи са от Великобритания, останалите – от САЩ и Европа; част са университетски, а други – индустриални. Към края на проекта се очаква те да демонстрират способността на своя AI учен да генерира новаторски научни открития.

Примери на финансирани инициативи

• Lila Sciences – американска компания, разработваща „AI наноустен“ – система, която проектира и провежда експерименти за оптимизиране състава и обработката на квантови точки. Квантовите точки са наномасштабни полупроводникови частици, използвани в медицинската образна диагностика, слънчевите панели и QLED телевизорите.

  „Използваме финансирането, за да докажем концепцията,“ споделя Рафа Гомес-Бомбарели, главен научен ръководител във Lila Sciences. „Тази субсидия ни позволява да създадем работещ AI роботизиран цикъл около конкретен научен проблем, да генерираме доказателства за ефективността му и да документираме методологията, за да може другите да я възпроизведат и надградят.“

• Екип от Университета в Ливърпул разработва робот-химик, който може да провежда множество експерименти едновременно и използва модели за разпознаване и разбиране на изображения и текст, за да открива и коригира грешки при изпълнението от робота.
• Друг стартъп от Лондон, все още пазещ детайли в тайна, разработва AI учен с името ThetaWorld, който използва големи езикови модели (LLM) за проектиране на експерименти, свързани с физическите и химичните взаимодействия, влияещи върху ефективността на батериите. Автоматизираните експерименти ще бъдат изпълнени в лабораториите на Sandia National Laboratories в САЩ.

Значението на краткосрочното финансиране

Въпреки че заемат само £500,000, което е малък бюджет в сравнение с традиционните проекти на ARIA, които често са на стойност около £5 милиона и продължават две-три години, тази краткосрочна подкрепа позволява да се „измери пулсът“ на най-новите разработки. Според Ант Раустън това е експеримент за агенцията, за да разбере по-бързо как се променя начинът, по който се прави наука и колко бързо вървят тези промени. Резултатите ще бъдат използвани като база за структуриране на бъдещи мащабни проекти.

Той признава, че има много шум около темата, особено като се има предвид, че голяма част от водещите компании в областта на изкуствения интелект вече имат звена, специализирани в научни приложения. Когато постиженията се оповестяват чрез прессъобщения, а не чрез научни публикации с рецензиране, е трудно да се оцени реалният напредък.

„Винаги е предизвикателство за една изследователска агенция да финансира върхови технологии,“ коментира Раустън. „За да работим на ръба, трябва точно да знаем къде е този ръб.“

Текущи технологии и бъдещи перспективи

В момента водещите системи представляват „агентни“ платформи, които интегрират различни съществуващи инструменти в реално време. Те използват големи езикови модели за генериране на идеи, после други модели за оптимизация и изпълнение на експерименти, а резултатите се връщат в цикъла за усъвършенстване.

Раустън визуализира тази технология като структура в слоеве:

1. Най-долу стоят AI инструменти, създадени от хора за хора, като AlphaFold, които позволяват на учените да пропуснат бавни и изискващи усилия стъпки, но все още изискват дълги лабораторни верификации.
2. AI учените са ниво над тях, използвайки тези инструменти според нуждите си.
3. Още по-напред предстои момент, който според него не е на десет години разстояние, когато AI учените сами могат да изработват нови инструменти, дори подобни на AlphaFold, за да решават възникващи задачи. Този „долен слой“ ще бъде напълно автоматизиран.

Все пак това предстои в бъдещето. В момента финансираните проекти използват предимно вече съществуващи инструменти, а не създават нови от нулата.

Предизвикателства с агентни системи

Има и нерешени предизвикателства с агентните системи, които ограничават колко дълго могат да работят автономно без да сбъркат или да излязат от поставения път. Например, скорошно проучване, озаглавено „Защо големите езикови модели все още не са учени“, публикувано от изследователи в индийския AI лаборатория Lossfunk, разкрива, че при опит LLM агенти да проведат пълен научен процес, системата се е провалила в три от четири случая. Причини за грешките са промени в началните спецификации и „прекомерен оптимизъм, който обявява успех въпреки очевидни провали.“

„В момента тези инструменти са още в ранна фаза на развитие и техните възможности могат да достигнат плато,“ отбелязва Раустън. „Не очаквам те да спечелят Нобелова награда в близко бъдеще.“

„Обаче има свят, в който тези инструменти ще ни позволят да работим много по-бързо,“ допълва той. „И ако стигнем до този свят, изключително важно е да сме подготвени.“

Заключение

Тази инициатива на ARIA и финансираните проекти са ясен знак с каква скорост се променят научните методи, а автоматизираните AI учени не само ще намалят монотонната лабораторна работа, но и имат потенциала да ускорят откритията с невиждани досега темпове. Въпреки все още наличните предизвикателства, те са крачка към бъдещето на науката, когато машините и хората работят в синергия за решаване на най-големите научни предизвикателства.