Google I/O je pokazao kako se menja putanja nauke vođene veštačkom inteligencijom

Tokom uvodnog izlaganja na ovogodišnjoj Google I/O konferenciji, Demis Hasabis (Demis Hassabis), izvršni direktor kompanije Google DeepMind, izjavio je da se trenutno nalazimo „u podnožju singularnosti“. Bila je to upečatljiva izjava, imajući u vidu da singularnost predstavlja teorijski budući trenutak u kojem veštačka inteligencija rapidno nadmašuje ljudsku inteligenciju i dramatično menja civilizaciju.

Međutim, iza ovih bombastičnih najava, na konferenciji Google I/O se jasno video strateški zaokret u načinu na koji se veštačka inteligencija primenjuje u naučnim istraživanjima: fokus se pomera sa visokospecijalizovanih alata ka autonomnim agentima opšte namene zasnovanim na velikim jezičkim modelima (LLM).

Od specijalizovanih alata do naučnih agenata

Godinama je zlatni standard AI nauke bio kreiranje namenskih modela dizajniranih za rešavanje konkretnih, izolovanih problema. Najpoznatiji primer ovog pristupa je AlphaFold, revolucionarni sistem kompanije DeepMind koji je rešio pedesetogodišnji problem savijanja proteina i koji je do danas koristilo više od 3 miliona istraživača širom sveta u oblastima poput razvoja vakcina protiv malarije i kreiranja enzima koji razgrađuju plastiku. Slično tome, alati poput WeatherNext primenjivani su za visoko precizne vremenske prognoze.

Ipak, na ovogodišnjem događaju, Google je predstavio novi paket pod nazivom Gemini for Science. Umesto da lansira novi uskospecijalizovani alat, kompanija je pod jednim brendom objedinila naučne agente zasnovane na LLM modelima, uključujući alate poput AI Co-Scientist i AlphaEvolve.

Ovi sistemi funkcionišu kao „agentni“ (agentic) AI asistenti koji mogu samostalno da planiraju eksperimente, pretražuju literaturu, povezuju naizgled nespojive podatke i obavljaju složene bioinformatičke ili genomske analize za svega nekoliko minuta umesto za nekoliko sati ili dana.

Ovaj trend potvrđuju i kadrovske promene unutar samog DeepMind-a. Džon Džamper (John Jumper), dobitnik Nobelove nagrade i jedan od ključnih kreatora AlphaFold-a, tiho je preusmerio svoj rad sa biologije na razvoj AI alata za pisanje programskog koda. To sugeriše da se resursi unutar kompanije preusmeravaju sa pravljenja pojedinačnih naučnih alata ka izgradnji temeljne AI infrastrukture koja može da piše softver i rešava probleme u bilo kom domenu.

Moć opšteg logičkog zaključivanja

Da zaokret ka opštim modelima u nauci nije samo Google-ova strategija, svedoče i nedavni uspesi konkurencije. Kompanija OpenAI je nedavno demonstrirala kako je njihov model opšte namene za logičko zaključivanje uspeo da opovrgne značajnu matematičku pretpostavku (conjecture). To je dokaz da napredni AI agenti mogu dati smislen doprinos fundamentalnoj nauci i bez specifičnog, usko usmerenog treninga za datu oblast.

Glavna prednost ovog novog pristupa leži u brzini i kreativnosti. Naučna otkrića često zavise od uočavanja skrivenih veza u ogromnim količinama podataka, što ljudima oduzima mesece rada. AI agenti eliminišu ovo usko grlo tako što preuzimaju na sebe manuelne i kognitivno zahtevne delove istraživačkog procesa.

Budućnost: Saradnici, a ne zamena

Google i druge tehnološke kompanije pažljivo naglašavaju da su ovi agenti osmišljeni kao saradnici ljudskih naučnika, a ne kao njihova zamena. Cilj je da se stvori „multiplikator sile“ za naučni rad, gde AI obavlja teži deo posla u analitici, dok ljudi zadržavaju ulogu postavljanja pravih pitanja i usmeravanja istraživanja.

Bez obzira na opreznu retoriku, opšta putanja razvoja je nedvosmislena. Glavno bojno polje u AI nauci više nije kreiranje specijalizovanih softvera za pojedinačne naučne discipline. Nova era pripada izgradnji autonomnih AI naučnika koji mogu da uče, prilagođavaju se i istražuju svet oko nas na način koji nismo mogli ni da zamislimo.

Izvor: technologyreview.com