По словам Джеймса Зоу, вычислительного биолога из Стэнфордского университета и одного из авторов проекта, виртуальная лаборатория стала новой парадигмой взаимодействия с ИИ не как с инструментами, а как с полноценными коллегами. Однако исследователи подчеркивают, что ключевая роль человека — контроль и верификация, поскольку на данном этапе доверять ИИ полное принятие решений еще рано.

Система включает 2 основные языковые модели: руководителя команды — виртуального «главного исследователя» и «научного критика», который выявляет ошибки в работе других ИИ. Эти модели создают дополнительных «ИИ-ученых», которые специализируются на таких областях, как иммунология, вычислительная биология и машинное обучение. Каждому из агентов назначаются задачи: от программирования до анализа данных.

Во время исследования ИИ самостоятельно разрабатывали стратегии, обсуждали подходы и предлагали решения, а человек лишь проводил краткие «командные совещания», чтобы корректировать общее направление работы. На таких совещаниях, которые длились всего 5–10 минут, исследователи оценивали прогресс и вносили замечания.

Впечатляющим достижением «лаборатории» стало создание нанотел, более 90% которых успешно связались с оригинальным вариантом SARS-CoV-2. Некоторые из них показали потенциал в борьбе с новыми штаммами вируса. При этом исследователи отмечают универсальность системы, которая может решать задачи в самых разных областях науки.

Зоу подчеркнул, что хотя ИИ выполняет значительную часть работы, реальный эксперимент остается важнейшим этапом проверки гипотез. «Мы создали гибкую платформу, но окончательная верификация всегда должна проводиться людьми в настоящих лабораторных условиях», — пояснил он.

Виртуальная лаборатория эффективно объединяет междисциплинарные подходы. По мнению Янцзюнь Гао из Университета Колорадо, это открывает новые горизонты в научных исследованиях, но требует тщательной оценки рисков, связанных с ошибками ИИ.