Kan en AI-forsker være fremtiden for forskning?

Sakana AI Labs har sendt sjokkbølger gjennom det vitenskapelige fellesskapet med sin siste kunngjøring. Selskapet har fullført opprettelsen og lanseringen av verdens første fullt autonome AI-forsker. Den nye algoritmen er i stand til å formulere teorier, teste og mer. Her er det du trenger å vite.

Når du tenker på AI-systemer som erstatter arbeidere i feltet, er det mange yrker du kan forestille deg er i fare. Imidlertid forventet de fleste aldri at forskere skulle bli erstattet. Selv om den siste AI-forsker‑algoritmen fra Sakana ennå ikke er i stand til å erstatte forskere fullstendig, leverer den noen unike egenskaper som kan få mange fagfolk til å følge utviklingen nøye.

Den nåværende metoden for å skape vitenskapelige teorier

Å skape vitenskapelige teorier og teste dem er en av kjernekomponentene i forskning og utvikling. Dagens forskere bruker år på å undersøke spørsmål og lage eksperimenter for å teste sine konsepter gjennom eksperimentering. Til slutt publiseres resultatene og blir fagfellevurdert før de blir gjort offentlige. Denne prosessen har vært den samme i over et århundre.

Ifølge Sakana AI Labs’ offentlige uttalelser er deres nye AI‑system i stand til å automatisere disse oppgavene fullt ut. Systemet kan sile gjennom nåværende vitenskapelige artikler, knytte sammen teorier eller konsepter som kan ha uoppdagede resultater, lage nye algoritmer for å teste disse teoriene og detaljere all eksperimentering for senere fagfellevurdering. Merk at teamet fokuserte på beregningsforskning som sitt primære område fordi det muliggjorde virtuell eksperimentering.

AI‑bruk av forskere

Det er ingen hemmelighet at AI har funnet et komfortabelt hjem i det vitenskapelige fellesskapet. Denne teknologien kan sees integrert i ulike systemer som forskere bruker i dag. Opprinnelig ble AI‑systemer brukt til å løse komplekse ligninger og simuleringer. I dag brukes AI på tvers av industrien, hvor den spiller enda viktigere roller.

En viktig bruk av AI i dag er å sortere gjennom alle de aktuelle papirene for å finne relevant forskning. Hundrevis av forskningsartikler publiseres hver uke, og den enorme mengden av disse utgivelsene betyr at flertallet av banebrytende forskning kan ta år å oppdage. Verktøy som Elicit, Research Rabbit, Scite, og Consensus hjelper forskere med å knytte disse artiklene på en relevant måte for å bygge på tidligere data.

Det finnes også AI‑verktøy i bruk i dag som kan skanne og identifisere spesifikke interessepunkter i artikler. For eksempel kan du ha et team av ingeniører som søker å avdekke genetiske mutasjoner som forårsaker sykdom. Verktøy som PubTator kan samle lignende temaer for å kaste lys over tilknyttede forskningsområder og eksperimenter.

AI‑forskerstudie

Disse tidligere interaksjonene med AI har hjulpet det vitenskapelige fellesskapet med å utvide horisonten og har vært kritiske i mange av de siste gjennombruddene. Imidlertid er introduksjonen av en fullt automatisert algoritme som kan forske og publisere sine artikler en stor spillveksler. Systemet har potensial til å avdekke likheter og andre vanskelig‑å‑oppdage forbindelsesfaktorer mellom studier som kan føre til gjennombrudd innen beregningsforskning.

Hvordan fungerer en AI-forsker?

AI‑forskeren integrerer noen vanlige AI‑systemer som store språkmodeller (LLM) som en del av tilnærmingen. Systemet skanner kontinuerlig de enorme mengdene vitenskapelige forskningsartikler som er tilgjengelige på nett i lagre som arXiv og PubMed. Her ble millioner av vitenskapelige forskningsartikler brukt til å programmere LLM‑en for en ny AI‑algoritme. Dette trinnet sikret at systemet kunne snakke det vitenskapelige språket og kunne produsere lignende resultater.

Kilde – Sakana AI Labs

Derfra søker systemet etter mønstre, tilbakevendende forskning eller tilknyttede temaer. Hver artikkel gjennomgår mange kontroller for å sikre kvalitet, fagfellevurdert status, publiseringsdato og emne. Merk at systemet også kryssrefererer vitenskapelige artikler ved hjelp av nettsteder som openreview.net. Dette trinnet tjener flere roller, inkludert å sikre kvalitetsinnhold. I tillegg hjelper dette trinnet med å programmere AI‑ens interne fagfellevurderingssystem.

Sekundær AI-modell

Når AI har skannet lagrene for å finne interessant eksperimentering og teorier å teste, blir hver artikkel deretter rangert basert på flere faktorer. Poengsummen reflekterer elementer som artikkelens likhet med andre prosjekter, profesjonalitet, layout, resultater og forskere. Derfra undersøker AI‑systemet konseptets unikhet og andre kritiske faktorer som hjelper systemet med å avgjøre om det finnes ytterligere forskning som bør utforskes eller andre artikler som knytter seg til en lignende teori.

Formulering av vitenskapelige teorier

Disse trinnene gjør det mulig for AI‑forskeren å samle forskning og fremlegge tilknyttede konsepter som bygger på de innsamlede dataene. Det fantastiske med prosessen er at den er fullt automatisert. Ingen menneskelig interaksjon er nødvendig for at denne algoritmen skal produsere forskningsartikler. Merk at AI fokuserer på beregningsforskning, noe som gjør at den kan kjøre simuleringer av eksperimenter uten fysiske testkrav, og dermed styrker sine evner. Som sådan utføres alle tester ved hjelp av kode‑simuleringer. Denne manøveren betyr at tester koster mye mindre å fullføre og kan gjennomføres i høyere tempo.

Bekymringer rundt AI-forsker

Konseptet med en AI‑forsker har vekket bekymringer i bransjen. For det første ser noen på denne tilnærmingen som en lat måte å erstatte forskere på. De argumenterer for at systemet fortsatt er for nytt og at AI ikke er konsistent nok. Argumentene deres har noe grunnlag, ettersom det har vært flere tilfeller av AI‑unøyaktighet gang på gang. Imidlertid inkluderer den nyeste algoritmen mange kontroller og balanser, som vil bidra til å redusere disse problemene fremover.

AI‑tilbakemeldingssløyfe

En av de største bekymringene som stadig dukker opp i fellesskapet er risikoen for å skape en AI‑tilbakemeldingssløyfe. Denne risikoen er svært reell når du har et AI‑system som automatisk lager, sjekker og bygger nye datamodeller kun fra andre AI‑systemer. Denne sløyfen kan føre til feil, tunnel‑syn og en ignorering av menneskelige krav. For å unngå denne situasjonen mener mange at et menneske må være med i sløyfen.

Ren mengde

Det publiseres så mange vitenskapelige artikler hver uke at det er nesten umulig å sortere gjennom lagrene for å finne de mest relevante dataene. For øyeblikket spiller AI en viktig rolle i å hjelpe forskere med å utføre denne oppgaven. Imidlertid, hvis en AI‑tilbakemeldingssløyfe opprettes, vil for mange artikler bli introdusert for raskt, noe som kan nullstille de nåværende AI‑søkesystemene.

Fordeler med AI-forsker

Flere fordeler har mange i markedet begeistret for utsiktene til en AI‑forsker som jobber 24/7 med å lete etter oppdagelser. Potensialet for dette systemet til å låse opp nye vitenskapelige teorier er uendelig. Etter hvert som mer forskning legges til AI‑modellen, vil systemet eksperimentere med nye konsepter og utvide sine evner. Som sådan vil dagens AI‑forsker være ingenting sammenlignet med sine fremtidige iterasjoner.

Enorme kostnadsbesparelser

En av hovedgrunnene til at AI‑forsker er på vei til å bli en viktig komponent i markedet fremover, er de store kostnadsbesparelsene. Ifølge forskningsteamet kan deres AI lage, teste, publisere og fagfellevurdere en vitenskapelig artikkel for kun $15. Denne lave kostnaden representerer en massiv reduksjon i kostnadene for forskning og utvikling som er umulig å benekte. Som sådan kan AI‑forskere bli det foretrukne alternativet for de som ønsker å maksimere budsjettet sitt.

Det store bildet

En av hovedgrunnene til at dette prosjektet har mange ingeniører begeistret, er at det gjør det mulig for forskere å koble sammen punkter på tvers av flere vitenskapelige studier enkelt. Det kan ofte virke som om vitenskapelige felt utvikler seg i en boble. Det er imidlertid ikke tilfelle. I de fleste tilfeller fører gjennombrudd i ett vitenskapelig felt til nye muligheter i andre felt.

AI‑forskere vil hjelpe med å oppdage disse tilknyttede teoriene og utvide dem når det er mulig. Som sådan kan du se AI‑forsker stable artikler for å skape helt nye og mer mangfoldige konsepter som kan ha glidd forbi menneskelige øyne. I det minste vil dette systemet hjelpe med å samle relevant forskning, noe som vil hjelpe dagens forskere med å se nye fenomener.

Forskere

Sakana AI er teamet bak AI‑forskeren. Selskapet er kjent for sine AI‑vitenskapsmodeller. Deres tidligere utviklinger inkluderer et system som automatisk kombinerer LLM‑er for å skape mer avanserte systemer. De har også introdusert en mekanisme som gjør det mulig å bruke LLM‑er til å finjustere andre algoritmer.

To selskaper som kan dra nytte av AI-forskeren

Introduksjonen av en AI‑forsker i markedet er bare begynnelsen på det som en dag kan lede til en stor AI‑forskerrevolusjon. Det finnes allerede flere selskaper som kan utnytte denne skapelsen for å senke driftskostnadene og levere bedre kvalitetstjenester til markedet. Her er to firmaer som er klare til å kapitalisere på denne forskningen.

1. AbCellera Biologics Inc

ABCL Prisdiagram

AbCellera Biologics Inc. kom inn i markedet i 2012 med mål om å modellere menneskelige antistoffer bedre for bruk i bekjempelse av sykdommer. Selskapet gikk offentlig i 2020, hvor det sikret $555 M i finansiering for å videreføre sine innsatsområder. I dag spiller firmaet en avgjørende rolle i forskning og modellering av immunsystemet. Merk at mye av denne modelleringen skjer via simuleringer. Som sådan er AI‑forsker ideelt egnet til å bistå i disse testene.

AbCellera har en fremtredende posisjon i biomedisinsk sektor. Dermed kan integreringen av AI‑forsker tillate selskapet å bedre lokalisere, teste og sammenligne immunantibody‑data fra tidligere forskning. Dette trinnet kan avdekke tidligere uoppdagede muligheter. Disse faktorene, kombinert med AbCellera Biologics’ posisjon, gjør det til en sterk “hold” for tradere.

2. Super Micro Computer

SMCI Prisdiagram

Super Micro Computer (SMCI ) ble grunnlagt i 1993 av Charles Liang og Sara Liu og kan se positive resultater ved å integrere AI‑forskere i sine prosesser. Firmaet er mest kjent for sine AI‑arbeidsbelastningsoptimaliserte høyytelses‑servere. For øyeblikket har selskapet hovedkontor i California og flere produksjonsanlegg i Nederland, Taiwan og USA.

Super Micro Computer er en av de fremste leverandørene av tjenestestyringssystemer. De bruker AI til å forhindre hacking, overvåke systemer og forbedre ytelse, noe som har gjort selskapet til en foretrukket partner for store firmaer som søker pålitelige og velprøvde leverandører. Merk at Super Micro Computer ble oppført i Fortune Magazines liste over verdens raskest voksende IT‑infrastruktur‑selskaper.

De som søker en pålitelig AI‑drevet programvareløsning som et tillegg til sin portefølje, bør vurdere SMCI sterkt. Selskapet har en sterk markedsposisjon og har nylig signert en avtale om å levere servere til Elon Musks xAI og Teslas Gigafactory, som har flyttet til Texas. Alle disse faktorene har hjulpet SMCI med å motta en “buy“‑rating fra analytikere.

AI-forsker åpner for lavkostnadsforskning

Uansett hvordan du føler om en AI‑forsker som produserer forskningsartikler som tegneserier, gjør mange fordeler denne algoritmen til en spillveksler. De enorme kostnadsbesparelsene og fremtidige mulighetene med denne tilnærmingen får mange i markedet til å håpe på en lysere fremtid hvor oppdagelser skjer daglig mens dagens forskere sover. For nå er denne utviklingen verdt å følge nøye, da den med sikkerhet vil slippe interessante forskningsresultater fremover.

Du kan lære mer om spennende AI-prosjekter her.