Materiał powstał podczas Research@ Poland
Kieruje pani projektem „AI co-scientist”. Co to właściwie znaczy, że AI staje się współpracownikiem w nauce – i co to oznacza dla nas?
Naszym głównym celem jest umożliwienie naukowcom prowadzenia badań bardziej efektywnie i osiągania większej liczby przełomowych odkryć w szybszym tempie. Projekt „AI co-scientist” koncentruje się na wykorzystaniu wszystkich dostępnych publikacji naukowych. Staramy się znaleźć w nich ukryte powiązania i budować złożone, wielościeżkowe rozumowanie oparte na licznych hipotezach. To ma pomóc naukowcom w realizacji ich celów i sprawniejszym odpowiadaniu na najbardziej wymagające pytania badawcze.
Z jakimi wyzwaniami mierzycie się, trenując systemy AI do pracy nad złożonymi problemami biomedycznymi?
Problemy biomedyczne są rzeczywiście niezwykle złożone, zwłaszcza gdy mówimy o chorobach związanych z wiekiem lub sytuacjach, w których występuje efekt domina na poziomie molekularnym. Mamy tu wyzwania związane z rozumowaniem multimodalnym – dysponujemy danymi multiomicznymi, obrazowaniem i innymi typami informacji. Kluczem jest zebranie tego wszystkiego w jedną, spójną naukowo całość. Interesujące w naszym systemie jest to, że jesteśmy w stanie patrzeć na różne dziedziny i dyscypliny jednocześnie, co pozwala nam generować wiele, często nieoczywistych, hipotez. Rolą badacza jest następnie ich weryfikacja i podjęcie decyzji, które obszary są najbardziej obiecujące. Naukowcy wykorzystują swoją wiedzę i intuicję, aby pogłębić te ścieżki i dojść do kolejnych przełomowych odkryć.
Pracuje pani również nad modelami wieloagentowymi. Jak pani zdaniem zmienią one sposób, w jaki dokonujemy odkryć naukowych?
Modele wieloagentowe radykalnie zmieniają ten sposób, i to w wielu wymiarach. Zasadniczo mówimy o dużym modelu językowym, który jest w stanie podejmować autonomiczne decyzje. Dzięki temu możemy połączyć wiele „wątków” na różne sposoby – w efekcie jeden element może generować wyniki, inny je recenzować, a jeszcze inny oceniać ich jakość. Korzystamy z tych możliwości i staramy się je łączyć w interesujący sposób. System ostatecznie generuje wysoce przydatne i zweryfikowane wnioski, które znacząco wspierają naukowców.
Co po dwóch dekadach pracy badawczej wciąż panią zaskakuje w tym, jak działa inteligencja – ludzka czy sztuczna?
Nadal zaskakuje mnie to, jak działają różne formy inteligencji. Czasami jestem szczerze zdumiona trafnością odpowiedzi modeli AI. Naprawdę. Tworzymy system, który w pewnych obszarach potrafi dorównać doświadczonemu badaczowi. I wtedy zastanawiam się: „Posiadam lata doświadczeń, szkoleń i spędziłam wiele lat w laboratorium, aby zrozumieć te systemy. A oto mam przed sobą system, który tego wszystkiego nie robił, a jednak jest w stanie wykonać te czynności”. Generuje on bardzo rozsądną hipotezę, którą nie tylko chcę zgłębiać, ale która faktycznie jest później potwierdzana wynikami. To jest dla mnie niezwykle inspirujące doświadczenie, które wciąż na nowo pokazuje nieograniczone możliwości współpracy człowieka i AI.
Materiał powstał podczas Research@ Poland
