Исследовательская группа из Швеции и Великобритании представила прорывную систему, способную управлять замкнутым циклом биологических исследований. В основе разработки лежит способность искусственного интеллекта не только обрабатывать массивы данных, но и самостоятельно формулировать научные гипотезы, проектировать протоколы экспериментов и направлять роботизированные комплексы для их исполнения. На текущий момент система была успешно протестирована на изучении дрожжей Saccharomyces cerevisiae, что позволило выявить ряд ранее неизвестных биохимических взаимодействий.

Алгоритмический подход к формированию гипотез

Процесс стартовал с формирования базы данных, содержащей около 60 тысяч записей о генетических связях и метаболических реакциях дрожжей. Используя алгоритмы поиска закономерностей, система проанализировала устойчивые связи и сгенерировала 1933 проверяемых предсказания, касающихся влияния 16 различных аминокислот на выживаемость клеток в условиях химического стресса. Для реализации теоретических прогнозов была задействована группа ИИ-агентов, работающих на архитектуре, подобной GPT-4o, которые отвечали за планирование, выбор стратегии и конвертацию планов в машиночитаемые команды для роботов.

Процесс и результаты: успехи и ошибки

В ходе лабораторных испытаний роботы обеспечивали точность культивирования и мониторинга роста клеток на протяжении 20 часов. Эксперимент подтвердил, что сочетание аргинина и кофеина дает выраженный синергетический эффект угнетения роста, превосходящий действие веществ по отдельности. Однако система столкнулась и с аномалиями: в случае с лизином предсказание о снижении устойчивости к сахару оказалось ошибочным — вещество, напротив, проявило защитные свойства. Эти данные не были отброшены, а интегрированы в общую модель для корректировки последующих итераций исследования.

Противоречивые данные

В научной среде ведутся дискуссии относительно трактовки результатов. Авторы проекта отмечают, что при работе с муравьиной кислотой система получила неспецифические данные, где контрольные образцы демонстрировали активность, сопоставимую с проверяемыми аминокислотами. Одни эксперты считают, что это свидетельствует о несовершенстве алгоритмов предсказания, тогда как сторонники метода указывают на способность ИИ использовать даже «неудачные» опыты для исключения избыточных повторных проверок.

Будущее автономной науки

Несмотря на то, что на текущий этап 3 октября 2026 года лаборатория требует участия человека для подготовки реагентов и обеспечения безопасности, достигнутый уровень автономии является историческим. Система научилась избегать дублирования экспериментов, используя структурированную базу данных всех прошлых попыток. Это знаменует переход от ИИ как инструмента помощи к ИИ как полноправному участнику исследовательского процесса, способному к самостоятельной адаптации в условиях неопределенности.