Przez dziesięciolecia wydawało się, że nauka pędzi naprzód z pełną prędkością - wielkie przełomy, śmiałe nowe teorie, a wszystko to w zawrotnym tempie. Jednak w ostatnich latach ten pęd znacznie zwolnił. Nie dlatego, że naukowcom zabrakło wyobraźni. Zamiast tego, współczesne badania są skomplikowane: wymagają specjalistycznej wiedzy, góry czasopism do przejrzenia i eksperymentów, które zadziwiają umysł (nie wspominając o budżecie). Nic dziwnego, że nowe odkrycia wymagają większych zespołów, więcej lat i głębszych kieszeni niż kiedykolwiek wcześniej.
W tym miejscu wkracza FutureHouse. To laboratorium badawcze nie tylko majstruje przy sztucznej inteligencji dla samego majsterkowania - oni umieszczają inteligentne algorytmy w samym sercu tego, jak nauka jest wykonywana. Zespół kierowany przez Sama Rodriquesa (który uzyskał doktorat na MIT) i chemika obliczeniowego Andrew White'a chce zmienić sposób, w jaki naukowcy zajmują się dużymi pytaniami naukowymi. Ich pomysł? Stworzenie narzędzi sztucznej inteligencji, które działałyby jak dodatkowa siła mózgowa dla naukowców: trawiąc przytłaczającą literaturę, pomagając planować eksperymenty i uwalniając naukowców, aby mogli skupić się na swojej najbardziej kreatywnej pracy.
Rodriques, w szczególności, ma podstawowe przekonanie: podczas gdy biologia ma swoje złożone kody, prawdziwą walutą nauki jest język - słowa i zdania, które budują naukowe argumenty i odkrycia. Dlatego też frameworki sztucznej inteligencji w FutureHouse koncentrują się przede wszystkim na pisanym języku naukowym, wykorzystując go jako główne źródło danych do analizy, tworzenia teorii i generowania hipotez.
Iskra dla FutureHouse pochodzi z własnego doświadczenia Rodriquesa, który jako młody naukowiec w MIT, a później w Instytucie Francisa Cricka, starał się być na bieżąco z literaturą. Ilość ważnych artykułów i sama trudność w rysowaniu powiązań między nimi sprawiły, że żaden człowiek nie był w stanie nadążyć. Zdał sobie sprawę, że nauka musi zostać usystematyzowana i w miarę możliwości zautomatyzowana. Wizja ta połączyła się z pracą Andrew White'a nad narzędziami sztucznej inteligencji dla naukowców i razem uruchomili FutureHouse.
Na początku swojej działalności FutureHouse zajmował się tworzeniem wyspecjalizowanych narzędzi AI do konkretnych zadań badawczych. Z czasem ambicje te rozszerzyły się, aż w 2024 roku zespół wydał pełną platformę FutureHouse - pakiet cyfrowych pomocników zaprojektowanych z myślą o naukowcach. Niektóre znane narzędzia zostały przemianowane: PaperQA stało się Crow, a Has Anyone zmieniło się w Owl. Wraz z nimi dołączyli nowi, tacy jak Falcon (do dogłębnych przeglądów literatury), Phoenix (do pomocy w eksperymentach chemicznych) i Finch (zbudowany w celu przekształcenia danych biologicznych w nowe pomysły).
Each agent has a persona to match its role. Crow, for instance, is the team literature detective—absorbing and summarizing dense papers. Owl checks if a wild idea has already been tested somewhere else. Falcon digs deep into reviews, Phoenix takes on chemistry planning, and Finch handles data-driven investigations in biology. Watching these AI “agents” collaborate in real time—even identifying new therapeutic candidates for tough diseases—has become a reality at FutureHouse demos. It didn’t stop there: they rolled out ether0, an advanced reasoning model for chemistry, to push their platform’s capabilities even further.
Teraz każdy może wypróbować agentów FutureHouse na platform.futurehouse.org. Narzędzia te już przewyższają nawet najnowocześniejsze chatboty AI w szeregu zadań badawczych i były wykorzystywane wszędzie, od badań genów w chorobie Parkinsona po burze mózgów na temat nowych metod leczenia schorzeń, takich jak zespół policystycznych jajników.
Rodriques ujmuje to w ten sposób: ci agenci AI to nie tylko ulepszone paski wyszukiwania - to koledzy z laboratorium. Ciekawskie umysły szukające daleko idących spekulacji mogą zwrócić się do bardziej kreatywnych AI, takich jak ChatGPT, ale ci, którzy chcą wiernych, dokładnych przeglądów literatury, otrzymują niezrównane wyniki z FutureHouse.
Patrząc w przyszłość, celem jest umożliwienie tym agentom AI sprawdzania, a nawet testowania surowych danych z artykułów naukowych, weryfikując, czy eksperymenty naprawdę wytrzymują kontrolę. Jeśli zespół FutureHouse postawi na swoim, nie tylko przyspieszy naukę, ale także poprawi jej dokładność - torując drogę do odkryć, które w przeciwnym razie zajęłyby całe kariery (lub całe życie).
Przeczytaj oryginalny artykuł na stronie MIT News.
This website uses cookies.