ИИ-система на базе Google Gemini за двое суток выдвинула гипотезу, на которую ученым потребовалось около десяти лет лабораторных экспериментов. Речь идет о механизме передачи подвижных генетических элементов между бактериями: наиболее вероятная версия, сгенерированная моделью, полностью совпала с результатом многолетних исследований, который на момент теста еще не был опубликован.
Что такое cf-PICIs и в чём заключалась проблема
Предметом изучения стали подвижные фрагменты ДНК под названием cf-PICIs, способные переносить гены устойчивости к антибиотикам между различными видами бактерий. Долгое время исследователи не могли объяснить, как эти элементы проникают в новые клетки, поскольку собственного механизма доставки у них нет. Многолетние эксперименты в итоге показали, что cf-PICIs формируют вокруг себя защитную белковую оболочку и для проникновения фактически «одалживают» хвостовые структуры других вирусов — бактериофагов. Именно эта чужая система доставки позволяет им переносить генетический материал в те виды бактерий, в которые раньше они не могли попасть.
Как ИИ воспроизвёл десятилетний вывод за 48 часов
Чтобы проверить возможности модели, ученые предоставили системе краткое описание проблемы, не раскрывая собственных результатов. Ключевой момент в том, что на тот момент ответ еще не был опубликован, поэтому ИИ не мог просто найти готовое объяснение в открытых источниках. За 48 часов система сгенерировала пять вариантов развития событий, и наиболее вероятная гипотеза точно воспроизвела обнаруженный в лаборатории механизм похищения вирусных хвостовых структур.
Проверка на утечку и реакция Google
Ответ оказался настолько детальным, что профессор Пенадес связался с Google, чтобы убедиться, что его неопубликованные данные случайно не попали в сеть. Компания подтвердила абсолютную герметичность и отсутствие утечки, что исключает версию о том, что модель просто воспроизвела скрытый фрагмент будущей публикации.
Новые направления и ограничения технологии
Остальные четыре гипотезы, предложенные ИИ, указали на дополнительные направления исследований, которые биологи ранее не учитывали и которые сейчас проверяются экспериментально. При этом авторы исследования подчеркивают: модель не совершила самостоятельного открытия и не способна заменить реальную работу с биологическими образцами. Подобные алгоритмы функционируют как сверхбыстрый фильтр, позволяющий ученым мгновенно отсеять неэффективные версии и сосредоточиться на перспективных гипотезах еще до начала дорогостоящих лабораторных испытаний.
