Fundacja technologiczna FutureHouse, wspierana między innymi przez byłego prezesa Google — Erica Schmidta, właśnie zaprezentowała swój pierwszy znaczący produkt. Celem tej organizacji jest stworzenie pełnoprawnego „naukowca AI” w ciągu najbliższej dekady. Pierwszym krokiem ku realizacji tej ambitnej wizji jest uruchomienie nowej platformy badawczej oraz interfejsu API, umożliwiających pracę z kilkoma narzędziami opartymi na sztucznej inteligencji. Wszystkie te rozwiązania mają wspierać realną pracę naukową i przyspieszać procesy odkryć w różnych dyscyplinach.
Rynek narzędzi wykorzystujących sztuczną inteligencję do wspomagania badań naukowych rozwija się w zaskakującym tempie. Setki startupów oraz największe globalne firmy technologiczne inwestują ogromne środki w koncepcję tzw. „współnaukowca AI”. Przykładowo, Google już wcześniej zaprezentowało swoją wersję narzędzia, które ma wspierać naukowców w stawianiu hipotez i planowaniu eksperymentów. Również szefowie OpenAI i Anthropic dostrzegają w AI ogromny potencjał, zwłaszcza w dziedzinie medycyny i biotechnologii. Według nich zaawansowane algorytmy mogą znacznie przyspieszyć proces tworzenia nowych terapii i diagnoz.
Mimo ekscytacji w branży, wielu naukowców wciąż podchodzi sceptycznie do faktycznej przydatności AI w tradycyjnym procesie badawczym. Główne zastrzeżenia dotyczą wiarygodności i przewidywalności sztucznej inteligencji — obecne modele często popełniają błędy, błędnie interpretując dane lub tworząc fałszywe wnioski, tzw. „halucynacje AI”. Tego typu defekty mogą mieć poważne konsekwencje, zwłaszcza w naukach przyrodniczych i medycznych, gdzie precyzja oraz rzetelność danych są priorytetem.
FutureHouse zdecydowało się mimo to na odważny krok i przedstawiło cztery narzędzia AI, które mają pełnić funkcję inteligentnych asystentów badawczych. Są to: Crow, Falcon, Owl oraz Phoenix. Narzędzie Crow służy do przeszukiwania publikacji naukowych i odpowiadania na związane z nimi pytania. Falcon wchodzi jeszcze głębiej, analizując specjalistyczne bazy danych naukowych. Owl potrafi identyfikować wcześniejsze prace w konkretnej dziedzinie, natomiast Phoenix jest skierowany do chemików — wspiera planowanie eksperymentów laboratoryjnych z wykorzystaniem dostępnych danych i modeli reakcji chemicznych.
Co odróżnia rozwiązania FutureHouse od konkurencyjnych modeli AI, to dostęp do ogromnej bazy wysokiej jakości, otwartych publikacji naukowych oraz zestaw specjalistycznych narzędzi. Każde z narzędzi opiera się na przejrzystym toku rozumowania i korzysta z wieloetapowego procesu analizy źródeł, co ma zwiększyć wiarygodność i precyzję uzyskiwanych wyników. Co więcej, platforma umożliwia łączenie kilku narzędzi AI w jedną sekwencję analityczną, co pozwala uzyskać bardziej złożone i zintegrowane wnioski.
Twórcy projektu podkreślają, że ich technologia potrafi już dziś przeprowadzać różnorodne zadania naukowe z większą skutecznością niż człowiek. Zespół FutureHouse twierdzi, że udało im się przyspieszyć odkrycia biologiczne dzięki zastosowaniu zintegrowanych agentów AI w praktycznej pracy badawczej. Mimo tych zapowiedzi, na razie trudno mówić o przełomowych odkryciach dokonanych wyłącznie dzięki systemom stworzonym przez organizację.
Wyzwania pozostają ogromne. Tworzenie „naukowca AI” wymaga nie tylko modelowania zachowań intelektualnych, ale także przewidywania nieoczekiwanych czynników zakłócających analizy. Sztuczna inteligencja bardzo dobrze sprawdza się w eksploracji dużych przestrzeni możliwości — na przykład w identyfikowaniu potencjalnych cząsteczek w badaniach farmaceutycznych. Jednak nadal trudno powiedzieć, czy AI jest w stanie samodzielnie generować zupełnie nowe, niestandardowe rozwiązania, które prowadzą do prawdziwych przełomów naukowych.
Istnieją również przykłady podejść AI, które zakończyły się umiarkowanym sukcesem lub wręcz rozczarowaniem. W 2023 roku jedna z technologii opracowanych przez Google pomogła zsyntetyzować około 40 nowych materiałów, jednak żadna z tych substancji nie okazała się naprawdę unikalna — wszystkie miały już swoje odpowiedniki w znanych bazach danych. Pokazuje to, że nawet najbardziej zaawansowane modele mogą powielać istniejące rozwiązania, zamiast tworzyć nowe idee.
Warto również zaznaczyć, że FutureHouse otwarcie przyznaje się do niedoskonałości obecnych modeli. Szczególnie narzędzie Phoenix, przeznaczone do wspomagania eksperymentów chemicznych, może popełniać błędy. Twórcy systemu podchodzą jednak do całego przedsięwzięcia jako eksperymentu technologicznego w duchu „szybkiej iteracji”, zachęcając społeczność naukową do testowania narzędzi i dzielenia się swoimi spostrzeżeniami.
Na ten moment prace nad stworzeniem pełnoprawnego „AI-naukowca” pozostają eksperymentalne. Choć możliwości technologiczne rozwijają się błyskawicznie, jeszcze długa droga przed nami, zanim sztuczna inteligencja faktycznie stanie się równorzędnym partnerem człowieka w odkrywaniu nowych praw nauki. Niemniej jednak, pierwsze kroki zostały już postawione — a to może zwiastować rewolucję w sposobie prowadzenia badań naukowych w przyszłości.
