Budoucnost vědy s AI: Samořídící laboratoře zrychlí objevy a řešení globálních výzev

Umělá inteligence a automatizace zásadně mění vědecký výzkum a otevírají cestu k takzvané „autonomní vědě“ a „samořídícím laboratořím“.

Umělá inteligence a automatizace zásadně mění vědecký výzkum a otevírají cestu k takzvané „autonomní vědě“ a „samořídícím laboratořím“. Rob Moore, přední expert na autonomní vědu z americké Oak Ridge National Laboratory (ORNL), vysvětluje, jak tyto technologie urychlí vědecké objevy a pomohou řešit složité globální výzvy.

Moore, který dříve působil v námořnictvu a má inženýrské zázemí, se v ORNL zaměřuje na výzkum kvantových materiálů. Rychle si uvědomil potenciál umělé inteligence pro urychlení objevování materiálů s přesně definovanými vlastnostmi. Vedl iniciativu INTERSECT, která vytvořila škálovatelný ekosystém pro „samořídící“ výzkumné procesy napříč laboratoří. Na tento úspěch navazuje nová iniciativa Labs of the Future (LOTF), která má ORNL posunout k plně autonomnímu výzkumu a přispět k národní misi Genesis, jejímž cílem je vybudovat nejvýkonnější vědeckou platformu na světě pro urychlení objevů, posílení národní bezpečnosti a inovace v energetice.

S příchodem velkých jazykových modelů (LLM) vstupujeme do nové éry, kde AI dokáže poskytovat spolehlivé vědecké informace, pokud je trénována na relevantních datech. Tyto nástroje výrazně zrychlují vědecký proces tím, že dokáží mnohem rychleji než lidé nacházet korelace v datech, pomáhat s rozhodováním, vytvářením hypotéz a řízením experimentů. Tím se uvolňuje lidská kapacita pro holističtější přístup a řešení komplexních problémů, na kterých vědci pracují desítky let.

Hlavní výzvou při zavádění AI do vědy je zajištění spolehlivosti a přesnosti informací. LLM modely mohou „halucinovat“ a prezentovat nepravdivé informace jako věrohodné. Věda si nemůže dovolit produkovat nepřesná data, a proto je klíčové zajistit, aby informace poskytované AI byly ověřitelné, spolehlivé a reprodukovatelné.

Moore také objasňuje rozdíl mezi automatizací a autonomií. Automatizovaná laboratoř provádí opakované úkoly bez rozhodování – například 4D skenovací transmisní elektronový mikroskop (STEM) dokáže pomocí neuronové sítě identifikovat atomy nebo klasifikovat defekty, ale dál se nerozhoduje. Plná autonomie však zahrnuje schopnost AI interpretovat zajímavé výsledky, rozhodnout se pro další kroky a řídit následné experimenty, čímž se „ponoří hlouběji“ do nečekaných objevů. Lidský dohled a poradní role zůstávají nezbytné.