Proč vědecký pokrok zpomaluje
V posledních padesáti letech se ukazuje, že vědecká produktivita klesá. Objevy, které dříve vznikaly rychle a s menšími týmy, dnes vyžadují více času, financí i lidí. Jedním z hlavních důvodů je rostoucí složitost a specializace vědy – vědci tráví stále více času studiem literatury, návrhem experimentů a analýzou dat. To vede k tomu, že i když jsou informace dostupné, málokdo je schopen je všechny zpracovat a využít.
FutureHouse: Nový přístup k vědecké práci
Laboratoř FutureHouse, založená Samem Rodriquesem a Andrewem Whitem, se rozhodla tento problém řešit pomocí umělé inteligence. Jejich platforma nabízí sadu AI agentů, kteří jsou specializovaní na různé úkoly – od vyhledávání informací přes syntézu poznatků až po návrh chemických experimentů a analýzu dat. Cílem je odstranit úzká hrdla v procesu vědeckého bádání a zrychlit cestu k novým objevům.
Rodriques zdůrazňuje, že jazykem vědy je především přirozený jazyk – většina objevů je popsána slovy, nikoliv v DNA nebo proteinech. Proto jsou jejich agenti navrženi tak, aby pracovali s textem a dokázali z něj vytěžit maximum.
Jak AI agenti fungují v praxi
Platforma FutureHouse nabízí několik agentů, kteří se zaměřují na různé fáze vědeckého procesu:
- Crow (dříve PaperQA): Specializuje se na vyhledávání a sumarizaci vědecké literatury.
- Owl (dříve Has Anyone): Pomáhá zjistit, zda už někdo provedl konkrétní experiment nebo zkoumal určitou hypotézu.
- Falcon: Umí zpracovat a zhodnotit větší množství zdrojů než Crow.
- Phoenix: Pomáhá s návrhem chemických experimentů.
- Finch: Automatizuje objevování poznatků v biologii na základě dat.
Tyto agenty lze využívat samostatně, nebo je propojit do většího systému, kde spolupracují a pokrývají celý vědecký workflow – od rešerše přes generování hypotéz až po plánování experimentů.
První úspěchy a reálné využití
Platforma FutureHouse je přístupná všem vědcům a už nyní přináší konkrétní výsledky. Například jeden z vědců pomocí agentů identifikoval gen spojený s polycystickým ovariálním syndromem a navrhl novou léčebnou hypotézu. Jiný tým využil agenta Crow k vytvoření asistenta pro vyhledávání informací o Alzheimerově chorobě v databázi PubMed. Další výzkumníci provedli systematické přehledy genů relevantních pro Parkinsonovu chorobu a zjistili, že agenti FutureHouse jsou v těchto úkolech přesnější než běžné nástroje.
Rodriques doporučuje vnímat agenty spíše jako chytré asistenty než jako pouhé vyhledávače. Největší přínos mají pro ty, kteří potřebují věrohodné rešerše nebo chtějí automatizovat složitější úkoly.
Budoucnost: AI agenti s hlubším porozuměním
FutureHouse plánuje další rozvoj svých agentů. Cílem je, aby dokázali pracovat nejen s textovými daty, ale i s původními daty z výzkumných studií a ověřovat jejich reprodukovatelnost. Do budoucna se počítá s integrací dalších specializovaných nástrojů a modelů, které vědcům umožní řešit ještě složitější otázky a analyzovat data na vyšší úrovni. Klíčové bude, aby agenti získali i tzv. tacitní znalosti, tedy schopnost provádět sofistikovanější analýzy a navrhovat nové postupy.
Zdroj: MIT News
