🤖 💊 Идея: ИИ - суперассистент
Одна из глобальных проблем современного мира - перегруженность информацией. Особенно это актулаьно для науки: число новых статей и данных растёт по экспоненте. Любому учёному необходимо перелопатить тысячи публикаций не только по своей специальности, но и смежных, чтобы сгенерировать какую-то новую идею. Вот в этой области ИИ и нужен - помочь специалисту не утонуть в этом море информации.
Недавно были представлены две ИИ-системы (Robin от некоммерческой организации FutureHouse и Co-Scientist от Google DeepMind), которые умеют генерировать и проверять научные гипотезы. Сами создатели подчёркивают: это не замена учёным, а «придание суперсилы» исследователю. Научный поиск с использованием ИИ позволяет рассмотреть на порядки больше комбинаций «болезнь — механизм — лекарство», чем это может сделать человек.
Обе ИИ системы опробовали на задаче «перепрофилирования» (re-purposing) — поиске нового применения для уже существующих лекарств. Этот подход существует давно и часто считается более предсказуемым с точки зрения безопасности для пациентов - коль препарат уже прошёл определённые этапы исследований, то объем накопленных данных по безопасности всегда больше, чем для абсолютно новой молекулы. Кроме того, это экономит деньги и время на разработку. Такой подход сейчас поддерживается, например FDA. Но надо помнить, что даже профиль безопасности может измениться в зависимости от нового показания.
ИИ Robin озадачили поиском лекарства от сухой формы возрастной макулярной дегенерации — главной причины слепоты у пожилых людей. Проанализировав тысячи научных работ, Robin пришёл к выводу, что для лечения нужно активировать механизм фагоцитоза в клетках сетчатки. Затем он «перебрал» все доступные препараты и предложил проверить Рипасудил (Ripasudil) — лекарство, которое уже используется при глаукоме. В лабораторных тестах было показано, что этот препарат действительно усиливает фагоцитоз. Весь процесс от идеи до получения лабораторных результатов занял около 2,5 месяцев вместо нескольких лет при «обычном» пути. При этом авторы работы прямо указывают: все находки требуют строгих доклинических испытаний и клинических исследований.
ИИ Co-Scientist нагрузили проблемой поиска лекарства от фиброза печени. Co-Scientist предложил три препарата, из которых в реальных тестах перспективные результаты показали два, при этом один препарат уже одобрен FDA по другим показаниям. В лабораторных образцах эффект был настолько впечатляющим, что профессор Гэри Пельц (Gary Peltz), по словам автора, «чуть не упал со стула».
🔬 Подводные камни
Обе ИИ-системы работают по принципу «турнира идей»: лучшие гипотезы проходят через несколько раундов критики и отбора. При этом Robin автоматизирует значительную часть цикла «гипотеза - эксперимент - анализ данных», тогда как Co-Scentist позиционируется как советчик, который только предлагает направления для исследования, а все решения остаются за человеком.
Проблема "галлюцинаций": Разработчики признают, что ИИ иногда «выдумывает» факты (галлюцинирует). Для борьбы с этим в Co-Scientist встроен специальный «рефлексивный агент», который действует как виртуальный рецензент и проверяет каждую идею на соответствие реальным научным данным. А в Robin используется система, которая запрещает ИИ отвечать на вопросы, если у него нет проверенной информации, — по заявлению авторов, это снижает уровень галлюцинаций ниже человеческого.
Ограничения и риски: Важнейший момент, на который обращают внимание эксперты, — это качество исходных данных. Если ИИ обучался на статьях, содержащих ошибки или сфабрикованные результаты (такие случаи, к сожалению, выявляются), он может тиражировать эти ошибки в своих гипотезах. Кроме того, специалисты подчёркивают, что пока что эти системы эффективны для «перепрофилирования» (re-purposing), но их роль в открытии принципиально новых молекул или научных законов остаётся ограниченной.
Одна из глобальных проблем современного мира - перегруженность информацией. Особенно это актулаьно для науки: число новых статей и данных растёт по экспоненте. Любому учёному необходимо перелопатить тысячи публикаций не только по своей специальности, но и смежных, чтобы сгенерировать какую-то новую идею. Вот в этой области ИИ и нужен - помочь специалисту не утонуть в этом море информации.
Недавно были представлены две ИИ-системы (Robin от некоммерческой организации FutureHouse и Co-Scientist от Google DeepMind), которые умеют генерировать и проверять научные гипотезы. Сами создатели подчёркивают: это не замена учёным, а «придание суперсилы» исследователю. Научный поиск с использованием ИИ позволяет рассмотреть на порядки больше комбинаций «болезнь — механизм — лекарство», чем это может сделать человек.
Обе ИИ системы опробовали на задаче «перепрофилирования» (re-purposing) — поиске нового применения для уже существующих лекарств. Этот подход существует давно и часто считается более предсказуемым с точки зрения безопасности для пациентов - коль препарат уже прошёл определённые этапы исследований, то объем накопленных данных по безопасности всегда больше, чем для абсолютно новой молекулы. Кроме того, это экономит деньги и время на разработку. Такой подход сейчас поддерживается, например FDA. Но надо помнить, что даже профиль безопасности может измениться в зависимости от нового показания.
ИИ Robin озадачили поиском лекарства от сухой формы возрастной макулярной дегенерации — главной причины слепоты у пожилых людей. Проанализировав тысячи научных работ, Robin пришёл к выводу, что для лечения нужно активировать механизм фагоцитоза в клетках сетчатки. Затем он «перебрал» все доступные препараты и предложил проверить Рипасудил (Ripasudil) — лекарство, которое уже используется при глаукоме. В лабораторных тестах было показано, что этот препарат действительно усиливает фагоцитоз. Весь процесс от идеи до получения лабораторных результатов занял около 2,5 месяцев вместо нескольких лет при «обычном» пути. При этом авторы работы прямо указывают: все находки требуют строгих доклинических испытаний и клинических исследований.
ИИ Co-Scientist нагрузили проблемой поиска лекарства от фиброза печени. Co-Scientist предложил три препарата, из которых в реальных тестах перспективные результаты показали два, при этом один препарат уже одобрен FDA по другим показаниям. В лабораторных образцах эффект был настолько впечатляющим, что профессор Гэри Пельц (Gary Peltz), по словам автора, «чуть не упал со стула».
🔬 Подводные камни
Обе ИИ-системы работают по принципу «турнира идей»: лучшие гипотезы проходят через несколько раундов критики и отбора. При этом Robin автоматизирует значительную часть цикла «гипотеза - эксперимент - анализ данных», тогда как Co-Scentist позиционируется как советчик, который только предлагает направления для исследования, а все решения остаются за человеком.
Проблема "галлюцинаций": Разработчики признают, что ИИ иногда «выдумывает» факты (галлюцинирует). Для борьбы с этим в Co-Scientist встроен специальный «рефлексивный агент», который действует как виртуальный рецензент и проверяет каждую идею на соответствие реальным научным данным. А в Robin используется система, которая запрещает ИИ отвечать на вопросы, если у него нет проверенной информации, — по заявлению авторов, это снижает уровень галлюцинаций ниже человеческого.
Ограничения и риски: Важнейший момент, на который обращают внимание эксперты, — это качество исходных данных. Если ИИ обучался на статьях, содержащих ошибки или сфабрикованные результаты (такие случаи, к сожалению, выявляются), он может тиражировать эти ошибки в своих гипотезах. Кроме того, специалисты подчёркивают, что пока что эти системы эффективны для «перепрофилирования» (re-purposing), но их роль в открытии принципиально новых молекул или научных законов остаётся ограниченной.