AI co-scientist использует архитектуру, основанную на взаимодействии нескольких интеллектуальных агентов, которые имитируют этапы научного процесса. Один агент специализируется на генерации новых идей и гипотез, в то время как другие критически анализируют их и рецензируют.

ИИ-модель, лежащая в основе AI co-scientist, извлекает релевантную информацию из научных статей, опубликованных в открытом доступе, а также из специализированных баз данных. Затем система проводит их комплексный анализ и генерирует ранжированный список предложений, каждое из которых сопровождается подробными пояснениями и ссылками на использованные источники.

Испытания нового инструмента прошли совместно с экспертами из Стэнфордского университета, Имперского колледжа Лондона и Хьюстонской методистской больницы. В первом тесте AI co-scientist  предложил новые варианты использования существующих лекарств для лечения острого миелоидного лейкоза. Лабораторные исследования показали, что препараты подавляют рост раковых клеток в клинически значимых концентрациях.

Во втором эксперименте система идентифицировала новые эпигенетические цели, которые могут использоваться для лечения фиброза печени. Эксперименты на органоидах печени человека подтвердили, что эти цели обладают значительной антифиброзной активностью. В ходе третьего теста AI co-scientist предложил объяснение того, как бактерии развивают устойчивость к антибиотикам.

Параллельно к тем же выводам пришла группа ученых, но их работа пока не опубликована, поэтому ИИ не мог о ней знать. При этом инструмент Google потратил на исследование всего несколько дней, в то время как команда исследователей — несколько лет.

Ученые, работавшие над проектом, заявили, что ИИ-лаборант будет дополнять, а не заменять исследователей. Инструмент поможет им оставаться в курсе последних открытий в своих предметных областях. Но AI co-scientist не лишен недостатков. Система полагается на информацию только из научных статей и баз данных, находящихся в открытом доступе. Сгенерированные гипотезы требуют тщательной проверки, так как могут выглядеть логически обоснованными, но не соответствовать действительности. Кроме того, система может быть подвержена смещениям в обучающих данных. Наконец, для её разработки и использования необходимы значительные вычислительные ресурсы и экспертные знания.

Подразделение искусственного интеллекта компании Google, DeepMind, сделало науку своим приоритетом, а руководитель DeepMind Демис Хассабис в прошлом году стал одним из лауреатов Нобелевской премии по химии.