당신이 가진 모든 과학 논문을 읽은 연구 파트너를 상상해보십시오. 구글은“공동 과학자”역할을하도록 설계된 새로운 AI 시스템 으로이 비전을 현실로 바꾸려고 노력하고있다.
이 AI 구동 조수는 광대 한 연구 라이브러리를 통해 체계 할 수 있고, 신선한 가설을 제안하며, 심지어 인간 연구자들과 협력하여 실험 계획을 개요 할 수 있습니다. Stanford University와 Imperial College London에서 테스트 된 Google의 최신 도구는 고급 추론을 사용하여 과학자들이 문학의 산을 합성하고 새로운 아이디어를 생성 할 수 있도록 도와줍니다. 목표는 정보 과부하를 이해하고 인간이 놓칠 수있는 통찰력을 제안함으로써 과학적 돌파구를 가속화하는 것입니다.
이것 “AI 공동 과학자Google이 부르는 것처럼, 실험실에서 물리적 로봇이 아니라 정교한 소프트웨어 시스템입니다. Google의 최신 AI 모델 (특히 Gemini 2.0 모델) 그리고 과학자들이 생각하는 방식을 브레인 스토밍에서 비평하는 아이디어에 이르기까지 반영합니다. 알려진 사실을 요약하거나 논문을 찾는 대신,이 시스템은 독창적 인 지식을 밝히고 기존의 증거를 바탕으로 진정으로 새로운 가설을 제안하기위한 것입니다. 다시 말해, 그것은 질문에 대한 답을 찾을뿐만 아니라 새로운 질문을 발명하는 데 도움이됩니다.
Google과 AI 장치 심해 다음과 같은 성공을 보여준 후 AI에 대한 과학 응용 분야를 우선시했습니다. 알파 폴드50 세의 단백질 폴딩 퍼즐을 해결하기 위해 AI를 사용했습니다. AI 공동 과학자와 함께, 그들은 생물 의학에서 물리에 이르기까지 분야의 발견의 “클럭 속도를 가속화”하기를 희망합니다.
AI 공동 과학자 (Google)
AI 공동 과학자가 어떻게 작동하는지
Google의 AI 공동 과학자는 실제로 여러 특수화 된 AI 프로그램으로 구성되어 있습니다.이 프로그램을 각각 특정 역할을 가진 초고속 연구 조교 팀으로 생각하십시오. 이것들 AI 요원 과학적 방법을 모방하는 파이프 라인으로 함께 일합니다. 아이디어는 아이디어를 생성하고, 다른 사람들은 비판을하고 개선하며, 최고의 아이디어는 인간 과학자에게 전달됩니다.
Google의 리서치 팀에 따르면, 프로세스가 전개되는 방법은 다음과 같습니다.
- 세대 에이전트 – 관련 연구를 광산하고 기존의 결과를 합성하여 새로운 길이나 가설을 제안합니다.
- 반사제 – 제안 된 가설의 정확성, 품질 및 참신함을 확인하고 결함이있는 아이디어를 제거하는 동료 검토 자 역할을합니다.
- 순위 에이전트 – 아이디어의“토너먼트”를 수행하여 가설이 시뮬레이션 된 토론에서 효과적으로 경쟁 한 다음 가장 유망한 것처럼 보입니다.
- 근접성 에이전트 – 비슷한 가설을 함께 그룹화하고 복제를 제거하여 연구원이 반복적 인 아이디어를 검토하지 않도록합니다.
- 진화제 -제안을 개선하기위한 명확성을 위해 유사성이나 개념을 단순화하여 최고 순위 가설을 취하고 더 세분화합니다.
- 메타 리뷰 에이전트 – 마지막으로 최상의 아이디어를 일관된 연구 제안서 또는 인간 과학자가 검토 할 수있는 개요로 컴파일합니다.
결정적으로, 인간 과학자는 모든 단계에서 루프에 남아 있습니다. AI 공동 과학자는 독립적으로 작동하지 않거나 자체적으로 최종 결정을 내리지 않습니다. 연구자들은 자연어로 연구 목표 나 질문을 먹는 것으로 시작합니다 (예 : 특정 질병을 치료하기위한 새로운 전략을 찾는 목표)와 관련된 제약이나 초기 아이디어. AI 시스템은 위의주기를 통해 제안을 제작합니다. 과학자는 피드백을 제공하거나 매개 변수를 조정할 수 있으며 AI는 다시 반복합니다.
Google은 시스템을“협업을위한 목적으로 제작 한”것으로 구축했으며, 이는 과학자들이 AI 과정에서 자신의 종자 아이디어 나 비판을 삽입 할 수 있음을 의미합니다. AI는 웹 검색 및 기타 특수 모델과 같은 외부 도구를 사용하여 사실을 다시 확인하거나 데이터를 수집하여 가설이 최신 정보에 기반을 두도록 할 수도 있습니다.
AI 공동 과학자 에이전트 (Google)
획기적인 경로
과학자들은 연구의 일부 드러그 연구 (철저한 문헌 검토 및 초기 브레인 스토밍)를 아웃소싱함으로써 발견되지 않은 기계로 아웃소싱함으로써 발견을 크게 높이기를 희망합니다. AI 공동 과학자는 어떤 인간보다 훨씬 더 많은 논문을 읽을 수 있으며, 시도 할 새로운 아이디어 조합이 절대로 다루지 않습니다.
이 프로젝트의 연구원들은“과학과 의학의 대단한 도전을 해결하려는 과학자들의 노력을 가속화 할 수있는 잠재력이 있습니다. 논문에 썼다. 초기 결과는 고무적입니다. 간 섬유증 (간 흉터)에 중점을 둔 한 시험에서 Google은 AI 공동 과학자가 제안한 모든 접근법이 질병의 동인을 억제하는 유망한 능력을 보여 주었다고보고했다. 실제로, 그 실험에서 AI의 권장 사항은 어둠 속에서의 샷이 아니 었습니다. 그들은 전문가들이 그럴듯한 중재를 고려하는 것과 일치했습니다.
또한,이 시스템은 시간이 지남에 따라 인간이 발발 한 솔루션을 개선하는 능력을 보여 주었다. Google에 따르면 AI는 전문가들이 처음 제안한 솔루션을 계속 정제하고 최적화하여 각 반복마다 인간의 전문 지식을 넘어 증분 가치를 배우고 추가 할 수 있음을 나타냅니다.
또 다른 놀라운 시험은 항생제 내성의 가시적인 문제를 포함했습니다. 연구원들은 특정 유전자 요소가 박테리아가 약물 내성 특성을 퍼뜨리는 데 어떻게 도움이되는지 설명하는 AI를 임무했습니다. AI에 알려지지 않은 별도의 과학 팀 (아직 출판되지 않은 연구에서)은 이미 메커니즘을 발견했습니다. AI는 기본 배경 정보와 몇 개의 관련 서류 만 제공 한 다음 자체 장치로 남겨졌습니다. 이틀 안에, 그것은 인간 과학자들과 같은 가설에 도달했습니다.
“이 발견은 독립적 인 연구에서 실험적으로 검증되었으며, 이는 가설 세대 동안 공동 과학자에게 알려지지 않았다”고 저자는 지적했다. 다시 말해, AI는 자체적으로 주요 통찰력을 재발견하여 적어도 적어도 충분한 데이터가 존재하는 경우 인간의 직관과 경쟁하는 방식으로 점을 연결할 수 있음을 보여주었습니다.
그러한 속도와 학제 간 범위의 의미는 엄청납니다. 돌파구는 종종 다른 분야의 통찰력이 충돌 할 때 발생하지만, 한 사람은 모든 사람이 전문가가 될 수 없습니다. 유전학, 화학, 의학 및 더 많은 지식을 흡수 한 AI는 인간 전문가가 간과 할 수있는 아이디어를 제안 할 수 있습니다. Google의 Deepmind 단위는 이미 과학의 변형 적 AI가 Alphafold와 어떻게 될 수 있는지를 입증했으며, 이는 단백질의 3D 구조를 예측했으며 생물학의 주요 도약으로 환영 받았다. 마약 발견과 백신 개발을 유도 한이 업적은 심지어 Deepmind의 팀에게 과학의 최고 명예 (노벨상과 관련된 인정 포함)를 얻었습니다.
새로운 AI 공동 과학자는 일상적인 연구 브레인 스토밍에 비슷한 도약을 제공하는 것을 목표로합니다. 첫 번째 응용 분야는 생물 의학에 있었지만, 시스템은 원칙적으로 물리학에서 환경 과학에 이르기까지 모든 과학적 영역에 적용될 수 있습니다. 연구원들은 새로운 재료를 찾거나 기후 솔루션을 탐색하거나 새로운 수학적 이론을 발견하는 데 사용할 수 있습니다. 각각의 경우에, 약속은 동일합니다. 질문에서 통찰력으로의 더 빠른 경로, 잠재적으로 수년간의 시행 착오를 훨씬 짧은 기간으로 압축 할 수 있습니다.
게시물 Google의 새로운 AI “공동 과학자”는 과학적 발견을 가속화하는 것을 목표로합니다 먼저 나타났습니다 Unite.ai.
