Historia powstania innowacyjnej technologii: jak AI zmienia naukę laboratoryjną
Cristian Ponce i Théo Schäfer, założyciele Tetsuwan Scientific, poznali się w nietypowych okolicznościach. Był październik 2023 roku, a na organizowanej przez program Entrepreneur First imprezie halloweenowej obaj przypadkiem trafili na siebie – Ponce w kostiumie Indiany Jonesa. To przypadkowe spotkanie zainicjowało współpracę, która miała na celu przełomową zmianę w świecie nauki i automatyzacji laboratoriów.
Już od samego początku duet Ponce i Schäfer uzupełniał się swoimi kompetencjami. Schäfer, absolwent MIT z tytułem magistra w dziedzinie autonomicznych robotów podwodnych, posiadał również doświadczenie z NASA, gdzie pracował nad eksploracją księżyców Jowisza w poszukiwaniu życia pozaziemskiego. Z kolei Ponce, związany z Cal Tech, zajmował się inżynierią genetyczną i badaniami nad bakteriami E. coli. Ich wspólna pasja do nauki oraz frustracja związana z monotonią codziennej pracy laboratoryjnej szybko zapoczątkowały rozmowy na temat wykorzystania technologii do automatyzacji najżmudniejszych procesów.
Frustracje w pracy techników laboratoryjnych
Dla Ponce’a jednym z największych problemów w pracy laboratoryjnej było powtarzalne i manualne używanie pipet, czyli narzędzi pozwalających na przenoszenie płynów pomiędzy różnymi probówkami. Procedura ta jest nie tylko czasochłonna, ale i podatna na błędy ludzkie. Chociaż w przeszłości podejmowano próby automatyzacji takich procesów, to wysokie koszty specjalistycznych robotów, ich ograniczenia technologiczne oraz potrzeba zaawansowanego programowania uniemożliwiały skuteczne wdrożenie takich rozwiązań na szeroką skalę. Naukowcy wciąż częściej decydowali się na ręczne działanie – było to prostsze, tańsze i dokładniejsze.
Wydawało się, że problem jest trudny do obejścia, aż do momentu, gdy Tetsuwan Scientific, firma założona przez Ponce’a i Schäfera, postanowiła zrewolucjonizować ten obszar poprzez modyfikację tańszych, ogólnodostępnych robotów laboratoryjnych. Jednak prawdziwy przełom w ich misji nastąpił dopiero kilka miesięcy później.
Kluczowy moment: inspiracja od OpenAI
W maju 2024 roku Ponce i Schäfer obejrzeli prezentację nowego produktu OpenAI – wielomodalnego modelu, który pozwalał użytkownikom komunikować się z AI również poprzez obrazy i dźwięki. Oglądając demonstrację możliwości modelu, Ponce zdał sobie sprawę, że rozwiązania OpenAI mogą być brakującym elementem ich technologii. Postanowił przetestować jego funkcjonalność, przesyłając obraz typowego żelu DNA – jednego z podstawowych narzędzi badawczych w genetyce.
Ku jego zdumieniu, GPT-4 nie tylko poprawnie zidentyfikował przedstawiony wynik, ale także wskazał problem, jakim był primer dimer – niepożądany fragment DNA. Co więcej, model zaproponował szczegółowe rozwiązanie, które mogłoby potencjalnie wyeliminować błąd. „To była chwila olśnienia” – wspomina Ponce. AI pokazało zdolność do naukowej diagnozy, ale brakowało mu wsparcia w fizycznym wykonywaniu sugerowanych działań. „To był brakujący element: AI mogło rozumieć, ale nie miało możliwości działania” – dodaje Ponce.
Tetsuwan Scientific: zautomatyzowana nauka w praktyce
Firma skupiła się na budowie robotów, które nie tylko wykonują podstawowe czynności laboratoryjne, ale także analizują wyniki i dokonują modyfikacji w czasie rzeczywistym. Roboty te, wyglądem przypominające szklaną kostkę, zostały wyposażone w zaawansowane czujniki i oprogramowanie, które pozwalają im zrozumieć właściwości cieczy, takie jak lepkość czy skłonność do krystalizacji. Dzięki zastosowaniu technologii dużych modeli językowych z obniżonym ryzykiem błędów (tzw. hallucination control) roboty mogą adaptować się do zmiennych warunków eksperymentalnych – czego wcześniej nie dało się w prosty sposób zaprogramować.
Obecnie firma współpracuje z jednym z pierwszych klientów – La Jolla Labs, biotechnologiczną firmą specjalizującą się w terapii RNA. Roboty pomagają w analizie skuteczności dawek terapeutycznych, co ma kluczowe znaczenie dla precyzji przyszłych leków. Tetsuwan Scientific udało się także zabezpieczyć finansowanie w wysokości 2,7 miliona dolarów podczas rundy pre-seed z udziałem takich funduszy jak 2048 Ventures, Carbon Silicon i innych wpływowych inwestorów.
Przyszłość AI w nauce
Najbardziej ambitnym celem Tetsuwan Scientific jest stworzenie w pełni autonomicznego „AI-naukowca”, który byłby w stanie zautomatyzować cały proces naukowy – od postawienia hipotezy, przez eksperymenty, aż po analizę wyników i formułowanie wniosków. Ponce wierzy, że technologia, która zautomatyzuje metodę naukową, będzie katalizatorem niewiarygodnego postępu w nauce i technologii. „To chyba najodważniejsze, nad czym można obecnie pracować. Automatyzacja procesu naukowego może prowadzić do hiperbolicznego wzrostu naszej wiedzy i możliwości” – podkreśla z entuzjazmem.
Nie są jednak jedynymi, którzy myślą w ten sposób. Na rynku pojawia się coraz więcej inicjatyw, które wykorzystują AI w służbie nauki, jak chociażby niekomercyjna organizacja FutureHouse czy startup Potato z siedzibą w Seattle.
Nowa era nauki
Wprowadzenie AI jako integralnego elementu w laboratoriach naukowych to krok milowy w automatyzacji i przyspieszeniu procesu odkryć naukowych. Dzięki pracy Tetsuwan Scientific i podobnych inicjatyw świat nauki zmierza w kierunku, w którym monotonne, powtarzalne czynności zostaną przejęte przez maszyny, umożliwiając naukowcom skupienie się na kreatywnych i przełomowych projektach. Technologia ta może okazać się kluczem do odkryć, które jeszcze dekadę temu wydawały się niemożliwe.
