AI kao naučni saradnik
Naučnici su spremni da u svojim istraživanjima uposle nove saradnike, ovoga puta u obliku veštačke inteligencije. Ona u tom procesu za sada ne može da zameni ljude, ali može znatno da ubrza njihova istraživanja višestruko smanjujući utrošeno vreme za razvoj hipoteza i izvođenje eksperimenata i znatno umanjujući troškove tog razvoja.
Prvi oblici primene AI u naučnoistraživačkom radu pojavljuju se još 2000. godine. U toj prvoj fazi primena se odnosila na automatizaciju osnovnih zadataka (2000. do 2010. godine). U sledećoj fazi AI je korišćena za analizu podataka, najčešće u sistemima za statističku analizu i rudarenje podataka (data mining). Treća faza (2010. do 2020. godine) nastupa naglim razvojem dubokog učenja (Deep Learning), koje je AI-ju omogućilo da razume i generiše tekst, analizira slike i obavlja kompleksne kognitivne zadatke.
Istraživač i(li) pomoćnik
Najnovija faza, od 2020. do danas, veštačkoj inteligenciji daje ulogu istraživača. U kompanijama koje se bave razvojem AI (OpenAI, Deep Mind…) nastaju AI modeli koji ne samo da analiziraju podatke već i sami generišu naučne hipoteze, pišu akademske radove i obavljaju kompleksna istraživanja. To je Deep Research primena. Tom razvoju se 19. februara ove godine priključio Google predstavljanjem naučnog AI saradnika co-scientist.
Naučnici mogu da komuniciraju sa sistemom na više načina, uključujući direktno pružanje sopstvenih početnih ideja za istraživanje na prirodnom jeziku ili pružanjem povratnih informacije o generisanim rezultatima
Veštačka inteligencija u ulozi istraživača može se koristiti u raznim oblastima, a najčešći primeri primene su u medicini. AI može da analizira na stotine medicinskih studija i predloži terapije koje lekari možda ne bi uzeli u obzir. Česte su i primene u oblasti pravnih nauka – AI alati već sada analiziraju pravne slučajeve i pomažu advokatima da brže pronađu relevantne presedane – kao i u ekonomiji i finansijama, gde AI predviđa ekonomske trendove na osnovu istorijskih podataka i aktuelnih događanja na tržištu.
Google Gemini 2.0
Novi Google AI naučni saradnik zasnovan je na platformi Gemini 2.0. To je napredan AI sistem koji vodi ka autonomnim agentima koji mogu samostalno da obavljaju složene zadatke. Predstavljen je krajem 2024, a prethodile su mu skromnije verzije (oko godinu dana starije) koje su mogle samo da daju odgovore na upite. Prva verzija nosi naziv Gemini 2.0 Flash i predstavlja eksperimentalno izdanje modela. Novi model preduzima nadgledanje akcija po želji korisnika planirajući više koraka unapred, ima mogućnost integracije sa Google-ovim alatima (pretraga, izvršavanje programskog koda), radi na više jezika, a može i da generiše slike.
Nakon prve Flash verzije, daljim razvojem modela Gemini 2.0, usledile su nove verzije različite namene. Osim nekoliko osnovnih varijanti s nazivom Flash (od kojih je Lite najekonomičnija), tu su Gemini 2.0 Thinking Experimental koji omogućava „zagledanje u kognitivne AI procese“ i interaktivnost sa Google-ovim servisima i Gemini 2.0 Pro Experimental sa superiornim sposobnostima kodiranja, namenjen razvojnim timovima.
U hardverskoj osnovi modela je infrastruktura zasnovana na Trillium-u, šestoj generaciji TPU čipova. Google je uložio ogromna sredstva u ovu infrastrukturu, rasporedivši više od 100.000 Trillium čipova u kompaktan mrežni sistem
U hardverskoj osnovi modela je infrastruktura zasnovana na Trillium-u, šestoj generaciji TPU (Tensor Processing Unit) čipova. Google je uložio ogromna sredstva u ovu infrastrukturu, rasporedivši više od 100.000 Trillium čipova u jednu mrežnu strukturu. Čipove proizvodi kompanija Alphabet, matična kompanija kojoj pripada Google (nastala 2015. godine restrukturiranjem Google-a). Na tržištu čipova za AI data centre svakako dominira NVIDIA sa 80 odsto tržišta, ali gotovo svih preostalih 20 odsto pripada Google-u. Kompanija direktno ne prodaje čipove, već iznajmljuje pristup preko svoje platforme za računarstvo u oblaku.
AI co-scientist
Google-ov AI naučni saradnik je dizajniran tako da održava proces rasuđivanja koji odgovara naučnoj metodi. Pored standardnih metoda istraživanja koje se zasnivaju na pregledu literature, korišćenju alata za duboko istraživanje, sistem AI saradnika namenjen je i otkrivanju novog, originalnog znanja, novih istraživačkih hipoteza i predloga, nadovezujući se na prethodna naučna dostignuća. Istovremeno je i prilagođen specifičnim ciljevima istraživanja.
Kako kažu u Google-u, razvoju AI naučnog saradnika pristupili su motivisani novim zahtevima u modernom procesu naučnih otkrića, a u skladu s najnovijim dostignućima u oblasti veštačke inteligencije (sposobnost sinteze preko složenih predmeta, obavljanje dugoročnog planiranja i zaključivanja…). S obzirom na to da razvoj nauke podrazumeva saradnju naučnika iz raznih naučnih oblasti i disciplina, AI saradnik kao multiagentski AI sistem idealan je alat za ostvarenje takvih oblika saradnje.
U osnovi takvog oblika funkcionisanja je duboko istraživanje (Deep Research). Poteklo je iz kompanije OpenAI, a odnosi se na razvoj sofisticiranih modela veštačke inteligencije koji mogu autonomno istraživati, analizirati i donositi zaključke na osnovu ogromne količine podataka. Zahvaljujući tome, AI naučni saradnici ne funkcionišu samo kao alat za pomoć istraživačima već postaju aktivni učesnici u naučnim otkrićima, pisanju akademskih radova i čak donošenju odluka u kritičnim oblastima.
Funkcionisanje i testiranje AI saradnika
S obzirom na istraživački cilj naučnika, koji je preciziran na prirodnom jeziku, Google-ov AI saradnik je dizajniran da generiše nove hipoteze istraživanja, vrši detaljan pregled istraživanja i sprovodi eksperimentalne protokole. Za te zadatke on koristi koaliciju specijalizovanih agenata – Generation, Review, Ranking, Evolution, Proximity i Meta-review. Rad agenata sinhronizuje Supervisor Agent, koji dodeljuje resurse pojedinim agentima i definiše redosled njihovog rada.
Naučnici mogu da komuniciraju sa sistemom na više načina, uključujući direktno pružanje sopstvenih početnih ideja za istraživanje na prirodnom jeziku ili pružanjem povratnih informacije o generisanim rezultatima. Specijalizovani agenti koriste automatizovane povratne informacije da bi iterativno generisali, procenili i precizirali hipoteze. Na taj način se formira ciklus samopoboljšavanja, u kome novi rezultati bivaju sve kvalitetniji. Da bi poboljšali kvalitet generisanih hipoteza, AI saradnici mogu da koriste alate kao što su Web pretraga i specijalizovani AI modeli.
Novi AI modeli koji ne samo da analiziraju podatke, već sami generišu naučne hipoteze, pišu akademske radove i obavljaju kompleksna istraživanja. To je Deep Research
Samopoboljšanje sistema zasnovano je na Elo metrici auto evaluacije, kakva se koristi za izračunavanje relativnih nivoa veština igrača u nekim igrama (šah). Elo je zapravo prezime američkog naučnika mađarskog porekla (Arpad Elo). Na bazi te metrike AI saradnik je prošao kroz relevantne testove kako bi se napravilo njegovo poređenje s ljudskim faktorom i drugim najsavremenijim modelima agenata. Poređenje je izvedeno sa Google-ovim AI modelima Gemini 2.0 Pro Experimental i Gemini 2.0 Flash Thinking Experimental, kao i s konkurentskim OpenAI o1 modelom.
Praktična korist primene AI saradnika procenjena je u tri ključne biometrijske primene: prenamena lekova, predlaganje novih ciljeva lečenja i objašnjenje prenosa gena. U procesu testiranja sedam stručnjaka iz ove oblasti napravilo je procenu 15 istraživačkih ciljeva i najboljih rešenja za njih. Pokazalo se da AI su-naučnik bez problema nadmašuje ne samo ljudske stručnjake već i druge pomenute AI modele.
Reakcije stručnjaka i konkurencije
Kako njegovi kreatori tvrde, AI saradnik će znatno doprineti unapređenju naučnih istraživanja. S tim su se složili i naučnici koji su učestvovali u testiranju rane verzije modela, biomedicinski istraživači na Imperijal koledžu u Londonu. Reakcije je bilo mnogo. Pozitivne reakcije uglavnom dolaze od pobornika veštačke inteligencije i njene što šire primene, a negativne od mnogih naučnika koji bi trebalo da sarađuju sa AI agentima. Većina njih ne misli da je AI spremna da bude saradnik naučnicima.
Pritom se svakako ističu i negativnosti koje bi primena veštačke inteligencije na ovaj način mogla da donese. Kako kaže Ashique Khudabukhsh, asistent na Rochester Institute of Technology na odeljenju za softverski inženjering, AI bi mogla da napravi veću zbrku u naučnoj literaturi nego što bi vodila ka napretku. Svi negativni komentari o ovom dostignuću dovode do fundamentalnog pitanja o ulozi AI u budućnosti, hoće li ona značiti kraj ljudske ekspertize ili će služiti samo kao alat koji proširuje čovekove sposobnosti.