Biomedicinos laboratorijose vis ry\u0161kiau matoma kryptis, kai dal\u012f tyr\u0117jo darbo perima autonominiai DI agentai. Jie greitina literat\u016bros analiz\u0119, hipotezi\u0173 k\u016brim\u0105, duomen\u0173 interpretavim\u0105 ir net eksperiment\u0173 planavim\u0105, tod\u0117l tai, kas anks\u010diau u\u017etrukdavo m\u0117nesius, kai kuriais atvejais sutrump\u0117ja iki dien\u0173.<\/p>\n
\u017durnale Nature pastaruoju metu pristatyti keli nepriklausomi sprendimai rodo, kad daugiaagent\u0117s sistemos gali veikti kaip tarpusavyje besitikrinan\u010di\u0173 specialist\u0173 komanda. Tokia architekt\u016bra ypa\u010d vertinama ten, kur reikia vienu metu apdoroti daug \u0161altini\u0173 ir greitai patikrinti alternatyvias kryptis.<\/p>\n
\u201eTai primena skaitmenin\u0119 mokslininko m\u0105stymo proceso versij\u0105, o tikslas yra suteikti tyr\u0117jams daugiau galios\u201c, \u2013 sak\u0117 \u201eGoogle DeepMind\u201c tyr\u0117jas Vivekas Natarajanas.<\/p>\n
Vienas i\u0161 aptariam\u0173 pavyzd\u017ei\u0173 yra \u201eGoogle DeepMind\u201c sukurtas \u201eCo-Scientist\u201c, paremtas \u201eGemini\u201c architekt\u016bra. Sistema sukurta taip, kad generuot\u0173 strukt\u016bruotas mokslines hipotezes ir jas iteratyviai tobulint\u0173, kai skirtingi agentai pateikia kritik\u0105, alternatyvas ir patikslinimus.<\/p>\n
Publikacijose apra\u0161oma, kad \u012frankis buvo taikytas ie\u0161kant jau patvirtint\u0173 vaist\u0173 naujoms indikacijoms, \u012fskaitant \u016bmin\u0119 mieloidin\u0119 leukemij\u0105. DI sugeneravo kandidat\u0173 s\u0105ra\u0161\u0105, o \u017emon\u0117s tyr\u0117jai atrinko kelias med\u017eiagas laboratoriniams bandymams, kur dalis j\u0173 parod\u0117 perspektyvius rezultatus l\u0105steli\u0173 tyrimuose.<\/p>\n
Kitas Nature apra\u0161ytas sprendimas yra ne pelno organizacijos \u201eFutureHouse\u201c platforma \u201eRobin\u201c, kuri orientuota \u012f u\u017edaros tyrim\u0173 kilpos princip\u0105. Tai rei\u0161kia, kad sistema gali parengti literat\u016bros ap\u017evalg\u0105, suformuoti hipotez\u0119, pasi\u016blyti eksperiment\u0173 plan\u0105 ir v\u0117liau interpretuoti gautus duomenis, nors pa\u010dius bandymus vis dar atlieka \u017emon\u0117s laboratorijoje.<\/p>\n
\u201eRobin\u201c pademonstruotas ir su am\u017eine geltonosios d\u0117m\u0117s degeneracijos sausa forma susij\u0119s scenarijus, kai sistema pasi\u016bl\u0117 galim\u0105 krypt\u012f, paremt\u0105 l\u0105stelini\u0173 proces\u0173 suaktyvinimu, ir nurod\u0117 vaist\u0105, anks\u010diau siet\u0105 su kita indikacija. V\u0117liau, remiantis apra\u0161ymu, buvo suplanuoti papildomi tyrimai, pad\u0117j\u0119 geriau suprasti galim\u0105 mechanizm\u0105.<\/p>\n
Tarp Nature pristatyt\u0173 kryp\u010di\u0173 minimas ir \u201eGoogle DeepMind\u201c sprendimas \u201eEmpirical Research Assistance\u201c, skirtas automatizuoti mokslini\u0173 skai\u010diavim\u0173 programavim\u0105. Id\u0117ja paprasta: kai tyrim\u0105 stabdo l\u0117tai kuriamas kodas, agentin\u0117 sistema si\u016blo greitesn\u012f keli\u0105 iki veikian\u010di\u0173 analiz\u0117s \u012franki\u0173.<\/p>\n
Vis d\u0117lto mokslininkai pabr\u0117\u017eia ribas: tokios sistemos da\u017enai remiasi dideliais kalbos modeliais, kurie gali generuoti \u012ftikinamai skamban\u010dius, bet klaidingus teiginius. D\u0117l to praktikoje akcentuojamas \u017emogaus vaidmuo tiek orkestruojant u\u017eduotis, tiek tikrinant kritinius etapus, ypa\u010d kai sprendimai gali lemti brangias laboratorines kryptis.<\/p>\n
Siekiant ma\u017einti klaid\u0173 rizik\u0105, daugiaagent\u0117se platformose diegiami vidin\u0117s diskusijos ir tarpusavio vertinimo mechanizmai. Tai leid\u017eia vienam agentui tikrinti kito prielaidas, o galutinius sprendimus palikti \u017emogui, kuris vertina, ar hipotez\u0117 moksli\u0161kai pagr\u012fsta ir prakti\u0161kai patikrinama.<\/p>\n
Lygiagre\u010diai Massachusetts Institute of Technology tyr\u0117jai stiprina kit\u0105 krypt\u012f, kai DI modeliuose s\u0105moningai \u012ftvirtinami fizikiniai ir cheminiai apribojimai. Tai ypa\u010d svarbu vaist\u0173 atrankoje, kur potenciali\u0173 molekuli\u0173 erdv\u0117 yra mil\u017eini\u0161ka, o aklas paie\u0161kos metodas tampa neefektyvus net ir su didele skai\u010diavimo galia.<\/p>\n
MIT komandos kuriami \u012frankiai, tokie kaip \u201eShEPhERD\u201c ir \u201eFlowER\u201c, siejami su tikslesniu molekuli\u0173 formos, reakcij\u0173 produkt\u0173 ir sintez\u0117s keli\u0173 prognozavimu. Pabr\u0117\u017eiama, kad modeli\u0173 tikslumas did\u0117ja, kai jie ne tik mokosi i\u0161 pavyzd\u017ei\u0173, bet ir privalo laikytis fundamentali\u0173 apribojim\u0173, pavyzd\u017eiui, mas\u0117s tverm\u0117s.<\/p>\n
Bendra tendencija ai\u0161ki: DI agentai spar\u010diai ple\u010dia tyr\u0117j\u0173 galimybes, ta\u010diau artimiausiu metu jie grei\u010diau taps komandos nariais, o ne visi\u0161kais pakaitalais. Did\u017eiausias poveikis tik\u0117tinas ten, kur reikia greitai apdoroti didelius informacijos kiekius, suformuoti patikrinamas hipotezes ir efektyviau nukreipti laboratorinius resursus.<\/p>\n","protected":false},"excerpt":{"rendered":"
DI agentai vis da\u017eniau padeda kurti hipotezes, planuoti eksperimentus ir ie\u0161koti vaist\u0173 pritaikymo, ta\u010diau mokslininkai pabr\u0117\u017eia b\u016btinyb\u0119 tikrinti rezultatus.<\/p>\n","protected":false},"author":0,"featured_media":28823,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[7],"tags":[21161,102,21160,1462,4567,10098,3658],"miestas":[],"class_list":["post-28822","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-technologijos","tag-biomedicinos-tyrimai","tag-dirbtinis-intelektas","tag-futurehouse","tag-google-deepmind","tag-mit","tag-nature","tag-vaistu-kurimas"],"acf":[],"_links":{"self":[{"href":"https:\/\/cp.snarskis.lt\/index.php\/wp-json\/wp\/v2\/posts\/28822","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cp.snarskis.lt\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/cp.snarskis.lt\/index.php\/wp-json\/wp\/v2\/types\/post"}],"replies":[{"embeddable":true,"href":"https:\/\/cp.snarskis.lt\/index.php\/wp-json\/wp\/v2\/comments?post=28822"}],"version-history":[{"count":0,"href":"https:\/\/cp.snarskis.lt\/index.php\/wp-json\/wp\/v2\/posts\/28822\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/cp.snarskis.lt\/index.php\/wp-json\/wp\/v2\/media\/28823"}],"wp:attachment":[{"href":"https:\/\/cp.snarskis.lt\/index.php\/wp-json\/wp\/v2\/media?parent=28822"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/cp.snarskis.lt\/index.php\/wp-json\/wp\/v2\/categories?post=28822"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/cp.snarskis.lt\/index.php\/wp-json\/wp\/v2\/tags?post=28822"},{"taxonomy":"miestas","embeddable":true,"href":"https:\/\/cp.snarskis.lt\/index.php\/wp-json\/wp\/v2\/miestas?post=28822"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}