Дослідницька група зі Швеції та Великої Британії представила проривну систему, здатну керувати замкненим циклом біологічних досліджень. В основі розробки лежить здатність штучного інтелекту не лише обробляти масиви даних, а й самостійно формулювати наукові гіпотези, проєктувати протоколи експериментів і направляти роботизовані комплекси для їх виконання. На цей час система була успішно протестована на вивченні дріжджів Saccharomyces cerevisiae, що дозволило виявити низку раніше невідомих біохімічних взаємодій.

Алгоритмічний підхід до формування гіпотез

Процес стартував із формування бази даних, що містить близько 60 тисяч записів про генетичні зв'язки та метаболічні реакції дріжджів. Використовуючи алгоритми пошуку закономірностей, система проаналізувала стійкі зв'язки та згенерувала 1933 перевірювані передбачення, що стосуються впливу 16 різних амінокислот на виживаність клітин в умовах хімічного стресу. Для реалізації теоретичних прогнозів було задіяно групу ШІ-агентів, що працюють на архітектурі, подібній до GPT-4o, які відповідали за планування, вибір стратегії та конвертацію планів у машиночитані команди для роботів.

Процес і результати: успіхи та помилки

У ході лабораторних випробувань роботи забезпечували точність культивування та моніторингу росту клітин протягом 20 годин. Експеримент підтвердив, що поєднання аргініну та кофеїну дає виражений синергетичний ефект пригнічення росту, що перевершує дію речовин окремо. Проте система зіткнулася й з аномаліями: у випадку з лізином передбачення про зниження стійкості до цукру виявилося помилковим — речовина, навпаки, проявила захисні властивості. Ці дані не були відкинуті, а інтегровані в загальну модель для коригування наступних ітерацій дослідження.

Суперечливі дані

У науковому середовищі ведуться дискусії щодо трактування результатів. Автори проєкту зазначають, що при роботі з мурашиною кислотою система отримала неспецифічні дані, де контрольні зразки демонстрували активність, порівнянну з амінокислотами, що перевірялися. Одні експерти вважають, що це свідчить про недосконалість алгоритмів передбачення, тоді як прихильники методу вказують на здатність ШІ використовувати навіть «невдалі» досліди для виключення надлишкових повторних перевірок.

Майбутнє автономної науки

Попри те, що станом на 3 жовтня 2026 року лабораторія потребує участі людини для підготовки реагентів і забезпечення безпеки, досягнутий рівень автономії є історичним. Система навчилася уникати дублювання експериментів, використовуючи структуровану базу даних усіх минулих спроб. Це знаменує перехід від ШІ як інструменту допомоги до ШІ як повноправного учасника дослідницького процесу, здатного до самостійної адаптації в умовах невизначеності.