Laboratorium AI Anthropic twierdzi, że odkryło wzór w białkach. Biolodzy mają wątpliwości
Anthropic przekonuje, że agenci Claude po 21 godzinach pracy znaleźli wcześniej nieskatalogowany wzór genetyczny. Biolodzy spierają się, czy to w ogóle odkrycie naukowe.

Laboratorium biologii molekularnej Anthropic, obsadzone agentami Claude, wskazało powtarzający się wzór wokół znanego enzymu. Firma twierdzi, że wzoru wcześniej nie skatalogowano. Zapowiedź padła w zeszłym tygodniu, a 28 września rozebrał ją MIT Technology Review. To najostrzejszy jak dotąd publiczny spór o to, co AI może zasadnie ogłosić jako odkrycie w naukach o życiu.
MIT Technology Review opisał system jako 950 agentów pracujących przez 21 godzin. Nie powstała nowa sekwencja DNA, podał portal. Agenci znaleźli powtarzający się wzór wokół znanego enzymu. W komunikacie Anthropic nazwał go „przypominającym” prace, które doprowadziły do CRISPR. To słowo zrobiło dużo roboty i właśnie tam zaczęły się kłopoty.
Problem z poprzeczką
Krytyka przyszła szybko i z wnętrza dziedziny. Biolog Lucas Harrington napisał wpis, który stał się viralem, a później poparł go prezes i dyrektor generalny Eli Lilly. Przekonywał, że „znalezienie dziwnego skupiska genów i powtórzeń to często łatwa część. Trudna część, i źródło prawdziwych odkryć, to ustalenie, co ten system właściwie robi”. MIT Technology Review zacytował wpis wprost. Jak podał portal, Harrington zasugerował, że firmy AI powinny „postawić poprzeczkę wysoko już teraz, żeby gdy AI naprawdę odkryje fundamentalnie nowy mechanizm biologiczny, wszyscy zrozumieli, jak wielka to sprawa”.
Potem zrobiło się jeszcze mętniej. Mario Rodríguez Mestre, biolog z Uniwersytetu Kopenhaskiego, powiedział w weekend, że jego zespół znalazł ten sam wzór, doniósł New York Times, za którym relacjonował MIT Technology Review. Mestre regularnie używał Claude’a w pracy. Zapytał, czy zespół Anthropic uczył się na jego rozmowach. Anthropic temu zaprzecza. Mestre i tak przestał korzystać z Claude’a.
„Trudna część, i źródło prawdziwych odkryć, to ustalenie, co ten system właściwie robi”.
To wszystko nie znaczy, że sama praca była bezwartościowa. MIT Technology Review zauważa, że zawężenie 200 000 kandydatów do kilku wartych przetestowania to prawdziwa praca naukowa. Ogólny chatbot, który sobie z tym radzi, jest godny uwagi nawet gdy ludzie sterują i wykonują eksperymenty. Problem tkwi w ramie. Gdy pytanie brzmi, czy Claude sam dokonał odkrycia, zostają dwie odpowiedzi: przełom albo klapa. Wszystko pomiędzy się spłaszcza.
Jak naprawdę wygląda dziś praca nad białkami
Spór wokół Anthropic ma znaczenie szersze niż jedna firma. Odkrywanie białek i materiałów to obszar, w którym AI po cichu zbiera prawdziwe, sprawdzalne wyniki. Wzorzec w całej dziedzinie jest mniej efektowny niż komunikat prasowy, a bardziej użyteczny.
Wśród doniesień z ostatniego tygodnia, notowanych obok materiałów o Anthropic, są prace nad termostabilnymi szczepionkami mRNA w nanocząstkach lipidowych z użyciem tego, co Nature nazwała AI oszczędną w danych, opublikowane 28 września. Osobno badacze poinformowali o użyciu predykcji struktury przez AI do przyspieszenia odkrywania klejów molekularnych. To małe cząsteczki, które potrafią zmusić białka do zbliżenia się w sposób leczący choroby. Żadne z tych twierdzeń nie opiera się na przypisaniu AI koncepcyjnego skoku. Oba opierają się na tym, że AI przeszukuje i szereguje znacznie szybciej niż ludzie.
Właśnie to rozróżnienie jest całą osią sporu. Systemy AI świetnie radzą sobie z tą częścią nauki, która jest w gruncie rzeczy segregacją kandydatów, a dziedzina niechętnie mówi o tym wprost. MIT Technology Review zauważył tę samą dynamikę w matematyce. We wrześniu OpenAI poinformował, że jego agenci rozwiązali problem wart milion dolarów. W ciągu kilku tygodni dyskusja przeszła na to, czy ten konkretny problem był tym, na którym zależało matematykom. Portal zaznaczył, że krytyka nie głosiła, że rozwiązanie OpenAI jest błędne, tylko że wynik mógł nie być tym ważnym. Jeden z matematyków oskarżył też modele o użycie jego pracy bez podania autorstwa.
Spór nie dotyczy więc poprawności. Dotyczy znaczenia i tego, kto ma o nim decydować. To trudniejsza rzecz do publicznego rozstrzygnięcia niż błędna odpowiedź.
Weryfikacja nadchodzi z innej strony
Gdy trwa spór o autorstwo odkryć, inne zespoły pracują nad bardziej przyziemnym problemem: czy generowanej przez AI biologii można w ogóle ufać. Doniesienia z ostatniego tygodnia opisują DeepMind znakującego białka, żeby laboratoria mogły sprawdzić, na co patrzą. Osobne prace dotyczą znaków wodnych SynthID Bio dla białek projektowanych przez AI. To próby uczynienia wyników AI identyfikowalnymi, a nie sławnymi.
Strona komercyjna rusza w tym samym nieefektownym tempie. Hansa Biopharma poinformowała, że nawiązuje współpracę z Cradle przy projektowaniu i inżynierii białek z użyciem AI. To praca kontraktowa, nie roszczenie o przełom. Prawdopodobnie lepiej pokazuje, gdzie technologia naprawdę jest, niż jakikolwiek komunikat o agentach, które coś odkryły.
Zdaniem MIT Technology Review część problemu leży w sposobie, w jaki Anthropic przedstawia własne wyniki. Portal przekonuje, że firmy AI nie pokazują swoich systemów jako narzędzi, tak jak narzędziami są mikroskopy czy superkomputery. Utrzymują, że systemy same dokonują odkryć. Kłóci się to z tym, jak nauka zwykle wytwarza nową wiedzę: przez współpracę i rosnący zestaw instrumentów. Ta niezgodność nie tylko irytuje biologów. Sprawia, że prawdziwy postęp trudniej rozpoznać, gdy się pojawia, bo dostępne są tylko dwa skrajne werdykty.
Reszta działu naukowego
Poza tym tydzień przyniósł wyjątkowo konkretne wieści badawcze. Naukowcy z Harrington Discovery Institute w University Hospitals oraz Case Western Reserve University opublikowali wyniki w Cell Reports. Opisują mechanizm molekularny, który może wyjaśniać, dlaczego utracona waga wraca. Praca koncentruje się na asprosynie, hormonie uwalnianym przez tkankę tłuszczową, który sygnalizuje mózgowi pobudzenie apetytu. U myszy otyłość zmieniała aktywność komórek tłuszczowych tak, że po utracie wagi asprosyna pozostawał podwyższony. Badacze nazywają to efektem pamięci otyłości. Osobne laboratorium pod kierunkiem Setha J. Fielda potwierdziło, że zmiana komórkowa się utrzymywała, podał SciTechDaily. Autorzy zastrzegają, że dowody u ludzi pochodzą z publicznie dostępnych zbiorów danych i wciąż wymagają bezpośredniego potwierdzenia.
Astronomia dała czystszy debiut. Praca przesłana do arXiv 15 września opisuje pierwsze bezpośrednie wykrycie emisji radiowej zorzy z egzoplanety. Celem jest planeta olbrzym beta Pictoris b, obserwowana siecią MeerKAT. Autorzy, Kevin N. Ortiz Ceballos, Edo Berger i Yvette Cendes, opisują szybkie, powtarzające się i silnie spolaryzowane kołowo rozbłyski przy częstotliwościach od 0,85 do 3,5 GHz. Identyfikują emisję jako promieniowanie maserowe cyklotronowe elektronów. To implikuje pole magnetyczne o indukcji co najmniej 1,25 kG na planecie. Streszczenie mówi wprost, że wcześniej żadnego wykrycia radiowego nie zlokalizowano jednoznacznie na planecie pozasłonecznej, a nie na jej gwieździe macierzystej.
Tak wygląda roszczenie o odkrycie, gdy argumentuje za nim pomiar. Jest sygnał, mechanizm fizyczny, który go wyjaśnia, i liczba, która z tego mechanizmu wynika. Nikogo nie trzeba do tego przekonywać.
Dlaczego spór o Anthropic szybko się nie skończy
Powód jest strukturalny: firmy AI ścigają się ze sobą. MIT Technology Review zamknął analizę uwagą, że Sam Altman i Dario Amodei konkurują. Podnoszenie poprzeczki dla tego, co liczy się jako naukowy przełom AI, może być ostatnią rzeczą, o jakiej myślą. Niższe progi lepiej się sprzedają. Propozycja Harringtona prosi firmy, by trzymały poprzeczkę wysoko, żeby prawdziwy wynik odpowiednio wybrzmiał. To znaczy działać wbrew własnym bodźcom.
Hałas ma też konkretny koszt. Wynik polegający na znalezieniu wzoru jest reklamowany jako moment na miarę CRISPR. Biolodzy, którzy inaczej zajęliby się narzędziem, muszą potem tłumaczyć, dlaczego to nie to. Mestre zareagował porzuceniem Claude’a z powodu nierozstrzygniętego pytania, czy jego rozmowy zasiliły system. To drobny punkt danych o tym, jak szybko eroduje zaufanie.
Na razie uczciwe podsumowanie jest wąskie. Systemy AI dają użyteczne, sprawdzalne wyniki w pracy nad białkami i materiałami, i istnieje na to kilka przykładów. Jednocześnie przypisuje się im odkrycia w sposób, który odrzucają czynni naukowcy. Jedno i drugie jest prawdą naraz, a różnica między nimi to miejsce następnego sporu.
Źródła
4- 01When can we say AI made a scientific discovery?EN
- 02The Download: climate tech companies to watch and AI's discovery problemEN
- 03Scientists Discover a Molecular "Memory" That Could Make Lost Weight Come BackEN
- 04Discovery of radio emission from the exoplanet beta Pictoris bEN
Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.
Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.
Komentarze
0- Brak komentarzy — bądź pierwszy.