بدون نیاز به خواب یا غذا ، “دانشمندان” که به سرعت ساخته شدند

یک زیست شناس مولکولی را تصور کنید که می خواهد پروژه ای را که به دنبال درمان برای یک بیماری تازه ظهور است ، راه اندازی کند. شما می دانید که برای کمک به تجزیه و تحلیل و تولید دیدگاه های خود ، به یک متخصص ویروس و متخصص ایمنی و همچنین یک بیوتکنولوژیست نیاز دارید. اما شما برای ساختن یک تیم بزرگ چند رشته ای فاقد منابع یا ارتباطات هستید.

محققان Chan Zuckerberg Biohub سانفرانسیسکو و دانشگاه استنفورد اکنون راه حل جدیدی را برای این معضل ارائه می دهند: یک آزمایشگاه مجازی از هوش مصنوعی ، که از طریق آن می توان تیمی از عوامل هوش مصنوعی را با تمام تجربه های مختلف علمی مجهز کرد ، حتی می توانند برای تدوین پنهان های پیشرفته و باز باشند. آزمایشگاه های زندگی واقعی.

در مطالعه ای که در ذات در 29 ژوئیه 2025 ، نویسنده جان پاک ، CZ Biohub SF و جیمز زو را از پلت فرم آزمایشگاهی مجازی استنفورد توصیف می کند ، جایی که یکی از کاربران انسانی یک “عامل AI” ایجاد می کند (PI) که تیمی از مأمورین اطلاعاتی مصنوعی اضافی را جمع می کند و هدایت می کند که نقش های تحقیقاتی تخصصی را که آزمایشگاه های علمی دیده اند ، نشان می دهد.

محقق انسانی یک سؤال علمی را مطرح می کند ، سپس جلساتی را که در آن عامل PI ایده هایی را با تیم عوامل تخصصی برای تقویت تحقیقات مبادله می کند ، نظارت می کند. مأمورین توسط یک مدل بزرگ زبان (LLM) اداره می شوند و امکان تفکر علمی و تصمیم گیری را به آنها می دهند.

سپس نویسندگان از پلت فرم آزمایشگاهی مجازی برای بررسی یک سؤال تحقیق به موقع استفاده کردند: طراحی آنتی بادی ها یا نانوذرات برای اتصال پروتئین ارتفاع به متغیرهای جدید SARS-COV-2. تنها چند روز پس از همکاری با هم ، تیم آزمایشگاهی مجازی یک خط لوله ریاضی نوآورانه را طراحی و پیاده سازی کرد ، برنامه هایی را برای ده ها پوشه به پاک و زو ارائه داد که دو مورد از آنها وعده ویژه ای را علیه نژادهای جدید SARS-COV-2 نشان داد که بعداً در آزمایشگاه پاک انجام شد. یک مطالعه جامع آزمایشگاهی مجازی ، کایل سوانسون ، دکترای گروه Zou را رهبری کرد.

رهبر Biohub SF گفت: “این یک روز ایده داستان های علمی دیوانه وار در حال حاضر یک واقعیت نبود.” “مأمورین هوش مصنوعی به خط لوله ای کاملاً خلاق رسیدند. اما در عین حال ، روشن یا غیر منطقی نبود. بسیار منطقی بود – و آنها بسیار سریع بودند.”

Zou یک پیشگام از هوش مصنوعی است که به دلیل اشتراک در استفاده از هوش مصنوعی برای تحقیقات زیست پزشکی ، از جمله برنده شدن در جایزه بیولوژی رایانه ای 2025 Overton برای جوایز Overton 2025 برای جوایز نیویورک تایمز برای یک Teklemol خوب ، که سیستم AI است که می تواند طراحی و تأیید آنتی بیوتیک های جدید باشد ، شناخته شده است.

زو ، استادیار علوم داده های زیست پزشکی که رهبری دانشگاه دانشگاه استنفورد ، که همچنین در حال بررسی CZ Biohub SF است ، گفت: “این اولین نمایش از عوامل هوش مصنوعی مصنوعی برای حل مشکل تحقیق دشوار است ، از ابتدا تا پایان.” “عوامل هوش مصنوعی در مورد مشکلات پیچیده تصمیمات خوبی گرفته اند و توانستند به سرعت ده ها نامزد پروتئین را طراحی کنند که ما می توانیم در آزمایش های آزمایشگاهی آزمایش کنیم.”

یک جلسه واقعی در دنیای واقعی

این امر برای دانشمندان بشر به طور فزاینده ای از LLMS برای کمک به تحقیقات علمی مانند تجزیه و تحلیل داده ها ، کد نوشتن و حتی طراحی پروتئین متداول شده است. با این حال ، همانطور که می دانیم ، بستر آزمایشگاه مجازی Zou و Pak ، اولین کسی است که از تجربه های چند مرحله ای و چند رشته ای استفاده می کند تا با موفقیت در مسئله تحقیق باز بپردازد.

زو و پاک برای اولین بار در جلسه برنامه Biohub SF هر دو هفته یکبار ملاقات کردند. گفت: “من فقط جیمز را دیدم که در جلسه قبلی بازپرس صحبت می کند ، زیرا او گفت که امیدوار است بتواند کارهای آزمایشی بیشتری انجام دهد.” “بنابراین من تصمیم گرفتم که خودم را ارائه دهم.”

این گفتگو ، در بهار سال 2024 ، همکاری هایی را برانگیخت که تجربه Zou و Pak را در علم پروتئین استخراج کرد.

علاوه بر عامل PI و عوامل تخصصی ، بستر آزمایشگاهی مجازی آنها شامل یک عامل مهم علمی است ، یک متخصص کلی این است که سؤالات تحقیق را بپرسید و در این فرآیند دوز شک و تردید تزریق کنید. زو گفت: “ما فهمیدیم که منتقد بسیار ضروری است ، زیرا هالووس کاهش یافت.”

در حالی که محققان انسانی در جلسات دانشمندان اطلاعات مصنوعی شرکت می کردند و در لحظه های اصلی راهنمایی هایی را ارائه می دادند ، سخنان آنها فقط شامل 1 ٪ از کل مکالمات است. اکثریت قریب به اتفاق بحث ها ، تصمیمات و تحلیل ها توسط خود عوامل اطلاعاتی مصنوعی انجام شد.

در این مطالعه ، تیم آزمایشگاهی مجازی به 92 “نانوذرات” جدید (پروتئین های کوچک که مانند آنتی بادی ها عمل می کنند) رسیده است ، و تجربیات در آزمایشگاه پاک نشان داد که دو مورد با پروتئین به اصطلاح ظهور متغیرهای SARS-COV-2 در ارتباط هستند ، کشف کافی که انتظار می رود مطالعات منتشر شود.

“شما فکر می کنید هیچ عواملی برای عفو بین الملل وجود نخواهد داشت که با هم صحبت می کنند ، می توانند چیزی را به آنچه که یک دانشمند انسانی به آن رسیده است پیشنهاد دهند ، اما ما در اینجا فهمیدیم که آنها واقعاً می توانند.” “این بسیار وحشتناک است.”

پاک وقتی از وی سؤال شد که آیا نگران جایگزینی دانشمندان اطلاعات مصنوعی است ، پاک می گوید نه. در عوض ، اعتقاد بر این است که این همکاران مجازی جدید کار او را بازی خواهند کرد.

وی گفت: “این پروژه درهای تیم علوم پروتئین ما را باز کرد تا خیلی سریع ایده های خوب را آزمایش کند.” “آزمایشگاه مجازی ، تا حدی کار بیشتری به ما داده است ، زیرا ایده های بیشتری برای آزمایش به ما داده است. اگر هوش مصنوعی می تواند فرضیه های آزمایش بیشتری را تولید کند ، این بیشتر برای همه کار می کند.”

پاک و زو گفتند که نتایج نه تنها مزایای بالقوه همکاری بشر را نشان می دهد – AA ، بلکه اهمیت دیدگاه های مختلف در علم را نیز برجسته می کند. حتی در این تنظیمات پیش فرض ، هدایت عوامل به ایفای نقش های مختلف و ایجاد دیدگاه های مختلف به جدول منجر به نتایج بهتری نسبت به مأمور هوش مصنوعی که به تنهایی کار می کند منجر شده است.

از آنجا که بحث ها منجر به نسخه ای از اعضای تیم انسانی می شود که تیم انسانی می تواند به آن برسد و بررسی کند ، محققان می توانند در مورد دلیل تصمیم گیری و تحقیق بیشتر در صورت داشتن سؤال یا نگرانی ، اعتماد به نفس داشته باشند.

برگشت گفت: “مأمورین و انسان ها در مورد همان زبان صحبت می کنند ، بنابراین هیچ” جعبه سیاه “در این موضوع وجود ندارد ، و همکاری می تواند بسیار روان پیشرفت کند.” “این به طور کلی یک تجربه واقعاً مثبت بود و من در استفاده از آزمایشگاه مجازی در تحقیقات آینده احساس اطمینان می کنم.”

زو می گوید که اساسنامه فعلی برای سؤالات تحقیقاتی زیست پزشکی طراحی شده است ، اما این اصلاحات امکان استفاده از آنها را در مجموعه گسترده ای از رشته های علمی فراهم می کند.

زو گفت: “ما در حال توضیح یک مدل جدید هستیم زیرا هوش مصنوعی فقط ابزاری نیست که ما برای یک گام خاص در تحقیقات خود استفاده می کنیم ، بلکه در واقع می تواند عامل اصلی کل فرآیند برای تولید اکتشافات باشد.” “این یک تغییر بزرگ است ، و ما از دیدن اینکه چگونه به ما کمک می کند تا در همه زمینه های تحقیق پیشرفت کنیم ، هیجان زده هستیم.”

این توسط چان زاکربرگ ویتال ارائه شده است