Z tego artykułu dowiesz się:
- W jaki sposób sztuczna inteligencja awansuje z roli narzędzia do autonomicznego partnera w laboratorium.
- Dlaczego algorytm wspierający badania nad chorobą Alzheimera przyniósł nagrodę w wysokości miliona dolarów.
- Jakie argumenty stoją za prognozą, że AI wkrótce dokona odkryć na miarę Nagrody Nobla.
- O ile generatywna AI skraca czas badań nad nowymi lekami.
Biomni nie jest kolejnym chatbotem wyspecjalizowanym w odpowiadaniu na proste pytania. To kompleksowa platforma, która łączy zaawansowane rozumowanie dużych modeli językowych (LLM) z technologią RAG (planowanie wspomagane przez pobieranie informacji) oraz zdolnością do samodzielnego wykonywania kodu programistycznego. Kluczem do sukcesu systemu jest jego elastyczność – algorytm potrafi dynamicznie komponować i realizować niezwykle złożone przepływy pracy w biomedycynie, bez konieczności stosowania z góry zdefiniowanych szablonów czy sztywnych schematów działań.
Jak działa cyfrowy naukowiec?
Właśnie taką technologię opracowali specjaliści z Uniwersytetu Stanforda w ramach wspólnej spółki Phylo. Wyniki swoich badań opublikowali na łamach prestiżowego magazynu „Science”. Projekt już teraz rewolucjonizuje pracę tysięcy naukowców, optymalizując procesy, które dotychczas wymagały miesięcy żmudnych analiz. Naukowcy twierdzą, że to milowy krok w stronę tzw. autonomicznej nauki. Ta już wkrótce może przynieść algorytmom najważniejsze laury w świecie nauki.
Jak działa Biomni? W celu automatyzacji analizy danych wirtualny biolog wykorzystuje potężne zaplecze: 150 wyspecjalizowanych narzędzi, 59 baz danych oraz 105 pakietów oprogramowania. Aby zbudować swoją unikalną bazę wiedzy, system w pierwszym kroku uruchamia „agenta odkrywania działań”, którego zadaniem jest przeszukiwanie i wydobywanie kluczowych narzędzi, protokołów oraz baz danych z dziesiątek tysięcy publikacji naukowych obejmujących 25 różnych dziedzin biomedycyny. Efekt? Testy porównawcze wykazały, że Biomni osiąga zdumiewająco wysoką zdolność uogólniania w tak trudnych zadaniach jak diagnostyka rzadkich chorób, analiza mikrobiomu, repozycjonowanie leków, klonowanie molekularne czy priorytetyzacja genów przyczynowych. A co kluczowe dla praktyki badawczej, system radzi sobie z tymi wyzwaniami natychmiastowo, bez czasochłonnego dostrajania promptów pod konkretne, wąskie zadania.
Narzędzie zdążyło już udowodnić swoją wartość w realnych warunkach rynkowych. Specjalna wersja systemu, Biomni-AD, opracowana we współpracy z Icahn School of Medicine przy Mount Sinai, zdobyła nagrodę główną w wysokości miliona dolarów przyznaną przez Alzheimer's Disease Data Initiative. Algorytm nagrodzono za realny i wymierny wkład w badania nad chorobą Alzheimera, gdzie wystąpił w roli pełnoprawnego naukowego współpracownika.
Do tej pory z bezpłatnej, niewymagającej umiejętności kodowania platformy internetowej (dostępnej pod adresem biomni.stanford.edu) skorzystało już 15 tys. naukowców, którzy zautomatyzowali za jej pomocą ponad 100 tys. procesów badawczych. Instytut Stanford HAI wyróżnił system jako flagowy przykład tego, jak sztuczna inteligencja dramatycznie przyspiesza tempo odkryć naukowych.
Czytaj więcej
Microsoft nawiązał współpracę z Mayo Clinic, amerykańskim centrum medycznym non-profit, które od lat uznawane jest za najlepszy szpital na świecie,...
Przełomy godne Nobla
Sukces Biomni idealnie wpisuje się w szerszy, niezwykle dynamiczny trend „autonomizacji nauki”. Mark Chen, dyrektor ds. badań w OpenAI, przedstawił niedawno niezwykle śmiałą prognozę – jego zdaniem sztuczna inteligencja dokona przełomów naukowych godnych Nagrody Nobla w ciągu najbliższych dwóch lat. Jako obszar o największym potencjale Chen wskazał właśnie biologię i medycynę, przypominając system składania białek AlphaFold od Google DeepMind, który utorował drogę do przyznania Nagrody Nobla w dziedzinie chemii w 2024 r. Czy to precedens dla odkryć naukowych napędzanych algorytmicznie?
Szef badań OpenAI nie ma wątpliwości, a swoje przewidywania opiera na – jak to określa – wykładniczym rozwoju dużych modeli językowych oraz systemów zaawansowanego rozumowania. Otóż uważa on iż zdolność maszyn do błyskawicznego przetwarzania gigantycznych zbiorów danych i dostrzegania korelacji niewidocznych dla ludzkiego oka predysponuje AI do roli lidera w projektowaniu nowych leków i terapii. Warto podkreślić, że OpenAI realizuje obecnie trzyletni plan działania, którego zwieńczeniem mają być systemy zdolne do prowadzenia badań „od początku do końca” – od pierwszej hipotezy do finalnego, gotowego wyniku. Chen podkreśla, że tzw. prawa skalowania (zasada mówiąca, że wydajność modelu rośnie przewidywalnie wraz z ilością danych i mocy obliczeniowej) pozostają niezmienne na przestrzeni niemal dziesięciu rzędów wielkości.
Najbliższa przyszłość systemów pokroju Biomni oraz modeli OpenAI leży w rozwoju agentów wyposażonych w pamięć długoterminową oraz w rozwiązaniu problemu tzw. uczenia ciągłego (zdolności maszyn do gromadzenia wiedzy w czasie bez zapominania wcześniejszych informacji). Badacze przekonują, iż przełamanie tej bariery pozwoli modelom AI na podejmowanie autonomicznych zadań badawczych rozciągających się na całe tygodnie, a to zaś pozwoli na generowanie innowacyjnych pomysłów całkowicie wykraczających poza „martwe punkty”, a więc granice, na których kończą się możliwości ludzkich ekspertów. Wizja twórców Biomni, w której wirtualni biolodzy działają ramię w ramię z ludźmi, zwiastować może erę naukowych przełomów.
Czytaj więcej
Badacze nie mają wątpliwości: nadchodzi era samodzielnych agentów medycznych. Boty potrafią prowadzić wywiady z pacjentami, diagnozować, zlecać bad...
Algorytmy redukują lata badań do miesięcy
Sztuczna inteligencja już mocno zmienia podejście do diagnostyki, operacji chirurgicznych oraz personalizacji terapii. Algorytmy są nieocenione np. przy skracaniu fazy przedklinicznej badania leków. Przykładem może być Rentosertib (nowy lek stworzony w całości przy użyciu generatywnej AI), za którym stoi firma Insilico Medicine. Spółka wykorzystała algorytmy do stworzenia preparatu przeznaczonego do leczenia idiopatycznego włóknienia płuc, skracając tradycyjny czas opracowywania kandydata przedklinicznego z 3-4 lat do 13-18 miesięcy.
AI dokonuje też przełomów w genetyce. Badacze opracowali narzędzie CRISPR-GPT, które działa jako inteligentny asystent (copilot) dla naukowców zajmujących się edycją genów – system oparty na dużych modelach językowych automatyzuje projektowanie eksperymentów z użyciem technologii CRISPR, dobierając optymalne parametry i sekwencje. Okres planowania procedur modyfikacji genetycznych kurczy się w konsekwencji z lat do ledwie kilku miesięcy, co drastycznie przyspiesza tempo, w jakim nowoczesne terapie genowe mogą trafiać do fazy testów na pacjentach.
Spore oczekiwania wiąże się np. z modelem AlphaGenome. System opracowany przez Google DeepMind może – zdaniem naukowców – zrewolucjonizować nasze rozumienie DNA, a także jego wpływu na choroby. Ta AI ma pomóc naukowcom odkryć, dlaczego drobne różnice w naszym DNA zwiększają ryzyko takich schorzeń jak nadciśnienie, demencja czy otyłość, a także pozwolić lepiej zrozumieć powstawanie chorób genetycznych oraz nowotworów.
