Две свежие работы в Nature показывают, что ИИ для науки постепенно сдвигается от красивых демонстраций к более полезным исследовательским циклам: системы уже не только пересказывают статьи, но и помогают собирать гипотезы, критиковать их, планировать эксперименты и уточнять выводы по ходу работы.

Robin: многоагентная система для автоматизации научных открытий

Это, пожалуй, самый прикладной результат в подборке. Авторы описывают систему Robin, которая связывает поиск литературы, выдвижение гипотез, планирование экспериментов, анализ данных и последующее обновление гипотез в единую исследовательскую цепочку. Важнее всего то, что работа не остановилась на советах на бумаге: в лабораторном цикле с участием людей система помогла выделить конкретные кандидаты терапии сухой возрастной макулярной дегенерации и подсветила новую возможную биологическую мишень для дальнейшей проверки. Для направления «ИИ в биомедицине» это заметный шаг от вспомогательного текста к инструменту, который способен доводить исследование до проверяемого терапевтического вывода. По данным в карточке Nature, у статьи уже около 196 тысяч просмотров и 34 цитирования.

Co-Scientist: ускорение научных открытий с помощью системы Gemini

Вторая работа описывает Co-Scientist — многоагентную систему на базе Gemini, заточенную не под готовые ответы, а под генерацию, критику и доработку научных гипотез. Смысл работы в том, что авторы проверяли не абстрактные тесты, а реальные биомедицинские задачи, и сообщают об успешной проверке в трех прикладных сценариях. Главный вывод здесь шире одной системы: дополнительное вычислительное время может улучшать качество гипотез в структурированном исследовательском процессе, а не только поднимать баллы в стандартных испытаниях моделей. Судя по карточке Nature, статья уже набрала около 215 тысяч просмотров и 25 цитирований, что показывает высокий интерес научного сообщества к таким исследовательским помощникам.

Если коротко, обе работы важны по одной причине: они описывают ИИ не как замену ученого, а как все более полезный слой между литературой, гипотезой и экспериментом. Для биологии и медицины это может означать не мгновенную автоматизацию науки, а ускорение тех этапов, где сегодня теряется больше всего времени — от сборки аргументов до выбора следующей проверки.