Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

Co AI w odkryciach białek i materiałów może twierdzić, a czego nie

Twierdzenie Anthropic, że agenci Claude dokonali pierwszego odkrycia w biologii molekularnej, ogłoszone w zeszłym tygodniu, wciąż spotyka się ze sprzeciwem biologów. Spór stał się najostrzejszym jak dotąd testem tego, co wolno nazwać odkryciem naukowym dokonanym przez AI.

NaukaWyjaśnienieRenata PawlakOpublikowano: 29 września 20266 min czytaniaŹródła 4
Co AI w odkryciach białek i materiałów może twierdzić, a czego nie

Spór nie dotyczy tego, czy oprogramowanie coś zrobiło. Chodzi o to, jaki zakres ma słowo odkrycie. Według MIT Technology Review, które jako pierwsze poinformowało o sporze 28 września, Anthropic podał, że jego system 950 agentów po 21 godzinach pracy wychwycił powtarzający się wzorzec wokół znanego enzymu.

Biolodzy zaprotestowali w ciągu kilku dni.

Lucas Harrington, biolog i autor szeroko udostępnionej krytyki, przekonywał, że znalezienie dziwnego skupiska genów i powtórzeń to często łatwa część zadania. Trudna polega na ustaleniu, co ten układ faktycznie robi.

Krytykę poparł prezes i dyrektor generalny Eli Lilly, podało MIT Technology Review. Drugi biolog, Mario Rodríguez Mestre z Uniwersytetu w Kopenhadze, powiedział w weekend, że jego zespół znalazł już ten sam wzorzec i że regularnie rozmawia z Claude w swojej pracy. Zastanawiał się, czy zespół Anthropic nauczył się czegoś z tych rozmów. Anthropic temu zaprzecza. Mestre i tak rezygnuje z używania Claude.

Dlaczego poprzeczka ma znaczenie przy pracy z białkami

Ta sama niejednoznaczność przenika resztę dziedziny AI w biologii. Warto rozdzielić trzy rzeczy, które zwykle idą w jednym pakiecie: przewidywanie struktury, projektowanie cząsteczki i dowód, że cząsteczka robi coś użytecznego w żywym organizmie.

Przewidywanie struktury jest najbardziej dojrzałe.

Niedawne prace z dossier pokazują, jak daleko poszła strona projektowa. Chmurowe laboratorium do inżynierii białek sterowane przez AI dostało 20 mln dolarów od National Science Foundation. Hansa Biopharma poinformowała 1 października, że będzie współpracować z Cradle nad projektowaniem białek z pomocą AI. Badacze donieśli też, że przewidywanie struktur przez AI przyspieszyło poszukiwania klejów molekularnych, małych cząsteczek, które zmuszają dwa białka do połączenia. Każda z tych rzeczy to realna umiejętność. Żadna nie jest wynikiem klinicznym.

Weryfikacja to miejsce, w które dziedzina wkłada teraz wysiłek. 1 października DeepMind oznaczyło białka znakami wodnymi, żeby laboratoria mogły je sprawdzać. Powiązany raport z 30 września opisywał SynthID Bio jako sposób zabezpieczania sekwencji białek generowanych przez AI. Logika jest prosta: jeśli model potrafi wypluć tysiące prawdopodobnych projektów, wąskie gardło przenosi się z generowania na sprawdzanie, czy którykolwiek z nich zachowuje się tak, jak twierdzono.

Ten zwrot widać także poza biologią.

Ten sam schemat pojawia się w materiałach, gdzie modele AI proponują kandydatów na związki szybciej, niż jakiekolwiek laboratorium zdoła je zsyntetyzować i przetestować. Dossier nie podaje w tym tygodniu ani jednego głośnego wyniku w materiałach, więc uczciwie trzeba powiedzieć, że spór w biologii jest zwiastunem problemu, z którym mierzy się cała dziedzina.

„Znalezienie dziwnego skupiska genów i powtórzeń to często łatwa część. Trudna część, i źródło prawdziwych odkryć, to ustalenie, co ten układ faktycznie robi”.

Ten cytat z wiralowego wpisu Harringtona jest sednem sprawy. Podało go MIT Technology Review, nie Anthropic, i firma nie odpowiedziała na niego merytorycznie w dostępnych tu materiałach.

Osobne odkrycie, i to czystsze

Nie każdy niedawny wynik budzi taki spór. Astronomowie poinformowali 15 września, w pracy opublikowanej na arXiv, o pierwszym bezpośrednim wykryciu emisji radiowej zorzy pochodzącej z egzoplanety. Chodzi o gazowego olbrzyma beta Pictoris b, obserwowanego siecią MeerKAT. Zespół w składzie Kevin N. Ortiz Ceballos, Edo Berger i Yvette Cendes wykrył szybkie, powtarzające się i silnie spolaryzowaną kołowo impulsy oraz stałą emisję przy częstotliwościach od 0,85 do 3,5 GHz.

Badacze rozpoznają sygnał jako promieniowanie maserowe cyklotronowe elektronów, co wskazuje na pole magnetyczne o indukcji co najmniej 1,25 kG na planecie. To pierwszy bezpośredni pomiar siły pola dla egzoplanety. Zauważ, co czyni to twierdzenie trwałym: konkretny instrument, konkretny sygnał, konkretny mechanizm fizyczny i liczba, którą inne zespoły mogą próbować odtworzyć własnymi teleskopami. Żaden agent AI nie jest proszony o wzięcie za to zasług.

Ten kontrast nie jest argumentem, że AI nie może przyczynić się do odkrycia. To argument o to, jak formułuje się twierdzenie. Zawężenie 200 000 kandydatów do kilku wartych przetestowania jest legalną pracą naukową, jak zauważyło MIT Technology Review, a chatbot ogólnego przeznaczenia, który ją wykonuje, jest godny uwagi, nawet jeśli ludzie nim kierowali i sami przeprowadzali eksperymenty.

Precedens matematyczny

Schemat nie jest wyjątkiem biologii. We wrześniu OpenAI podało, że jego agenci rozgryźli wart milion dolarów problem matematyczny. Kilka tygodni później, jak relacjonowało MIT Technology Review, sceptycy AI udostępniali artykuł pytający, czy naprawdę chodziło o ten problem matematyczny. Tekst nie twierdził, że rozwiązanie OpenAI jest błędne. Twierdził, że wynik może nie być tym, na którym matematykom zależy najbardziej. Pewien matematyk oskarżył też modele o użycie jego pracy bez podania źródła.

Gdy firma przedstawia swój wynik jako odkrycie, a nie rezultat działania narzędzia, debata zwęża się do dwóch odpowiedzi, przełom albo klapa, a wszystko pomiędzy znika. To właśnie ten mechanizm biolodzy mają za złe, bardziej niż konkretny wzorzec w obrębie enzymu.

Harrington zaproponował konkretne rozwiązanie: firmy AI powinny już teraz postawić poprzeczkę wysoko, żeby gdy AI naprawdę odkryje fundamentalnie nowy mechanizm biologiczny, wszyscy zrozumieli, jak wielka to sprawa. MIT Technology Review zauważyło, że gdy Sam Altman i Dario Amodei ścigają się, kto kogo przebije, podnoszenie tej poprzeczki może być ostatnią rzeczą, o jakiej myślą.

Na co patrzeć

Dwie daty będą się liczyć w kolejnej fazie. MIT Technology Review opublikuje 6 października swoją listę Climate Tech Companies to Watch na 2 026 rok. Sporu o biologię to nie rozstrzygnie, ale pokaże, które firmy redakcja uznaje za dostarczające wymiernych wyników, a nie zapowiedzi.

Druga sprawa to pytanie o replikację wokół beta Pictoris b, czyli dokładnie ten rodzaj twierdzenia, który przetrwa albo upadnie wraz z niezależną obserwacją. Jeśli inna sieć potwierdzi impulsy, dziedzina dostanie pomiar pola magnetycznego, na którym można budować. Jeśli nie, praca dołączy do długiej listy wyników z pojedynczego wykrycia, czekających na potwierdzenie.

W przypadku pracy AI nad białkami i materiałami test jest węższy. Wynik modelu staje się odkryciem, gdy ktoś inny potrafi odtworzyć zachowanie w laboratorium mokrym albo w piecu, a rezultat jest tym, czego dziedzina naprawdę szukała. Do tego czasu trafnym opisem jest obiecujący kandydat, nie znalezisko.

Samo ujęcie Anthropic zachęca do surowszej lektury. W ogłoszeniu wzorzec nazwano podobnym do tego, co doprowadziło do CRISPR, który już zmienił naukę i medycynę, według relacji MIT Technology Review z tego tekstu. To porównanie do mechanizmu z Nagrodą Nobla, zrobione wobec powtarzającego się wzorca wokół znanego enzymu, i dlatego reakcja była tak ostra.

Spór nie rozstrzygnie się w dyskusji. Rozstrzygnie się tym, czy niezależne laboratoria potrafią wziąć wychwycony wzorzec i pokazać, co on robi. Ta praca jest powolna, bez blasku i dokładnie tę część obecne twierdzenia zwykle pomijają.

Komentarze 0

Źródła

4
  1. 01The Download: climate tech companies to watch and AI's discovery problemEN
  2. 02When can we say AI made a scientific discovery?EN
  3. 03Scientists Discover a Molecular "Memory" That Could Make Lost Weight Come BackEN
  4. 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.

Renata Pawlak

Renata Pawlak

Nauka i zdrowie

Renata Pawlak zajmuje się w FLASH24 nauką i zdrowiem, opierając teksty na publikacjach recenzowanych, komunikatach instytucji i danych źródłowych, a nie na doniesieniach bez pokrycia. Przy każdej liczbie sprawdza metodologię badania, wielkość próby i jednostki, a wyniki porównuje z wcześniejszymi pracami na ten sam temat. Czeka na comiesięczne raporty GUS i NFZ, rozmawia z lekarzami oraz fizykami, a przed publikacją pyta autorów o ograniczenia ich wniosków. Prywatnie interesuje się fizyką materiałów i obserwuje niebo przez własny teleskop, co pomaga jej czytać prace z dziedzin ścisłych. Nie publikuje niczego, czego nie może potwierdzić w co najmniej dwóch niezależnych źródłach.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.