Основатель Tetsuwan Scientific Кристиан Понсе был одет в костюм Индианы Джонса, когда встретил своего сооснователя Тео Шефера. Это произошло на вечеринке в честь Хэллоуина в 2023 году, организованной программой Entrepreneur First, которая знакомит основателей стартапов друг с другом перед запуском идеи.Они сразу нашли общий язык, как вспоминает Понсе. Шефер учился в MIT, получив степень магистра в области автономных подводных роботов, и работал в Лаборатории реактивного движения NASA, исследуя спутники Юпитера на предмет наличия инопланетной жизни. «Безумные вещи,» улыбается Понсе. «Я пришел из Cal Tech, занимаясь биоинженерией,» где он работал с E. coli.
Они сблизились, рассказывая истории о рутинной работе лаборанта. Понсе (на фото слева) особенно жаловался на всю ручную работу, связанную с генной инженерией. Скромный лаборант может провести часы с научным шприцем «пипеткой», вручную перемещая жидкости из одной пробирки в другую. Попытки автоматизировать этот процесс не увенчались успехом, поскольку роботы, способные это делать, специализированы, дороги и требуют специальных навыков программирования. Каждый раз, когда ученым нужно изменить параметры эксперимента — что происходит постоянно — они должны ждать, пока программист запрограммирует робота, отладит его и так далее. В большинстве случаев проще, дешевле и точнее использовать человека.
Компания, которую они основали, Tetsuwan Scientific, поставила перед собой задачу решить эту проблему, модифицируя более дешевые универсальные лабораторные роботы. Но в мае 2024 года сооснователи смотрели запуск мультимодального продукта OpenAI (тот, который разозлил Скарлетт Йоханссон голосом, похожим на её). OpenAI показывала, как люди разговаривают с моделью.
Это была недостающая связь, которую искала Tetsuwan Scientific. “Мы наблюдаем этот безумный прогресс больших языковых моделей прямо на наших глазах, их способности к научному мышлению,” -сказал Понсе.
После демонстрации Понсе запустил GPT 4 и показал изображение геля ДНК. Модель не только успешно интерпретировала, что это за изображение, но и выявила проблему — нежелательный фрагмент ДНК, известный как праймерный димер. Затем она предложила очень подробное научное предложение о том, что его вызвало и как изменить условия, чтобы предотвратить это.
Это был момент озарения, описал Понсе, когда LLM модели уже способны диагностировать научные результаты, но у них “нет физической возможности действительно выполнять предлагаемые ими действия.” Сооснователи не были единственными, кто исследовал использование ИИ в научных открытиях. Роботизированные ИИ-ученые восходят к 1999 году с роботом Росса Кинга «Адам и Ева», но действительно начались с серии академических статей, начиная с 2023 года.
Но проблема, как показало исследование Tetsuwan, заключалась в том, что не существовало программного обеспечения, которое бы “переводило” научное намерение — то, что ищет эксперимент — в выполнение роботом. Например, робот не имеет возможности понять физические свойства жидкостей, которые он пипетирует.
“Этот робот не имеет контекста, чтобы знать. Может быть, это вязкая жидкость. Может быть, она…кристаллизуется. Поэтому мы должны ему это сказать,” сказал он. Аудио LLM, с уменьшением галлюцинаций с помощью RAG, могут работать с вещами, которые “сложно жестко закодировать.”
Роботы Tetsuwan Scientific не гуманоидные. Как показано на фото, они представляют собой квадратную стеклянную структуру. Но они создаются для того, чтобы оценивать результаты и вносить изменения самостоятельно, как это сделал бы человек. Это включает в себя создание программного обеспечения и датчиков, чтобы роботы могли понимать такие вещи, как калибровка, характеристика классов жидкостей и другие свойства. В настоящее время у Tetsuwan Scientific есть альфа-клиент, лаборатории Ла-Хойя, занимающиеся РНК-терапевтическими препаратами. Роботы помогают измерять и определять эффективность дозировки. Также было собрано $2,7 миллиона в переподписанном раунде предварительного финансирования, возглавляемом 2048 Ventures, при участии Carbon Silicon, Everywhere Ventures и некоторых влиятельных ангелов-инвесторов в области биотехнологий.
Глаза Понсе загораются, когда он говорит о конечной цели этой работы: независимых ИИ-ученых, которые могут быть использованы для автоматизации всего научного метода, от гипотезы до воспроизводимых результатов.
“Это самая безумная вещь, над которой мы могли бы работать. Любая технология, автоматизирующая научный метод, является катализатором гиперболического роста,” говорит он.
Он не единственный, кто так думает. Другие, работающие над ИИ-учеными, включают некоммерческую организацию FutureHouse и компанию Potato из Сиэтла.
ссылка на оригинал статьи https://habr.com/ru/articles/868840/
Добавить комментарий