Google AI Co-Secentist повышает исследования с расширенной техникой «масштабирования времени тестирования»

В среду Google объявил о захватывающем обновлении своей большой языковой модели Gemini 2.0, превратив её в ИИ-соучёного, способного генерировать новые научные гипотезы за поразительно короткое время по сравнению с традиционными исследовательскими группами, возглавляемыми людьми. Этот инновационный инструмент разработан для помощи учёным, ускоряя процесс открытий, работая вместе с людьми в качестве полезного партнёра.

Google позиционирует ИИ-соучёного как значительный шаг вперёд в технологиях с использованием ИИ, обещающий революционизировать проведение научных исследований. Система предназначена для использования с человеком «в цикле», что гарантирует, что операции ИИ, от обзоров литературы до формирования гипотез, направляются человеческим участием.

В смелом шаге исследователи Google опубликовали техническую статью совместно с группой из Имперского колледжа Лондона, обе из которых исследовали одну и ту же гипотезу о том, как бактерии эволюционируют в новые патогены. ИИ-соучёный сгенерировал свою гипотезу всего за два дня, что резко контрастирует с десятилетними усилиями человеческих исследователей.

Машина для формирования гипотез

Google описывает ИИ-соучёного как «машину для формирования гипотез», которая использует несколько специализированных агентов. Как только учёный вводит свою исследовательскую цель на естественном языке, система начинает действовать, генерируя гипотезы, обзоры исследований и экспериментальные протоколы. Вовлечённые агенты включают Генерацию, Рефлексию, Ранжирование, Эволюцию, Близость и Мета-обзор, все они работают в согласованности, чтобы расширить границы научных исследований.

Система выходит за рамки простого обзора существующей литературы; она стремится раскрывать оригинальные знания и формулировать новые исследовательские гипотезы, адаптированные к конкретным целям.

Масштабирование во время тестирования на стероидах

Адаптация Gemini 2.0 для создания ИИ-соучёного в значительной степени опирается на «масштабирование во время тестирования» — технику, при которой агенты ИИ используют всё больше вычислительной мощности для итеративного уточнения своих результатов. Этот подход уже использовался в других моделях рассуждений, таких как OpenAI o1 и DeepSeek AI, но приложение Google выводит его на новый уровень.

В своей технической статье исследователи Google, включая Юрая Готтвайса, подчёркивают, как их работа опирается на достижения, впервые представленные моделью DeepSeek R1. Они предлагают значительное масштабирование вычислений во время тестирования с использованием индуктивных предубеждений, полученных из научного метода, создавая многоагентную структуру для научных рассуждений и генерации гипотез.

ИИ-соучёный получает доступ к внешним ресурсам и взаимодействует с инструментами, такими как поисковые системы и специализированные модели ИИ, через API. Ключевая особенность этой системы — концепция «турнира», где гипотезы сравниваются и ранжируются с использованием рейтингов Elo, аналогичных тем, что применяются в шахматах и спорте. Агент Ранжирования организует эти турниры, способствуя симулированным научным дебатам для оценки и приоритизации гипотез.

Превосходит модели и экспертов без помощи ИИ

Согласно обзору пятнадцати экспертов, производительность ИИ-соучёного улучшается по мере того, как он тратит больше времени на формулировку и оценку гипотез. По мере увеличения вычислительных усилий качество его результатов превосходит результаты неадаптированных моделей, таких как Gemini 2.0 и OpenAI o1, а также экспертов без помощи ИИ.

Эти эксперты отметили, что результаты ИИ-соучёного показали более высокий потенциал для новизны и влияния, часто предпочитая их другим моделям. Хотя точные вычислительные ресурсы, использованные ИИ-соучёным, не были раскрыты, Google предполагает, что снижение стоимости вычислительной мощности, как продемонстрировано моделями вроде DeepSeek R1, вскоре может сделать такие системы ИИ широко доступными для исследовательских лабораторий.