Coscientist samenbrengen

De belangrijkste software en op silicium gebaseerde onderdelen van Coscientist zijn de grote taalmodellen waaruit de kunstmatige 'hersenen' bestaan. Een groot taalmodel is een type AI dat betekenis en patronen kan extraheren uit enorme hoeveelheden gegevens, inclusief geschreven tekst in documenten.

Door middel van een reeks taken heeft het team meerdere grote taalmodellen getest en vergeleken, waaronder GPT-4 en andere versies van de grote GPT-taalmodellen van het bedrijf OpenAI.

Coscientist was ook uitgerust met verschillende softwaremodules die het team eerst individueel en daarna gezamenlijk testte.

"We probeerden alle mogelijke taken in de wetenschap in kleine stukjes op te splitsen en vervolgens stukje bij beetje het grotere geheel te construeren", zegt Boiko, die de algemene architectuur van Coscientist en de bijbehorende experimentele opdrachten ontwierp. "Uiteindelijk hebben we alles samengebracht."

Dankzij de softwaremodules kon Coscientist dingen doen die alle onderzoekschemici doen:openbare informatie zoeken over chemische verbindingen, technische handleidingen vinden en lezen over het besturen van robotlaboratoriumapparatuur, computercode schrijven om experimenten uit te voeren en de resulterende gegevens analyseren om te bepalen wat werkte en wat niet.

In één test werd het vermogen van Coscientist onderzocht om nauwkeurig chemische procedures te plannen die, als ze werden uitgevoerd, zouden resulteren in veelgebruikte stoffen zoals aspirine, paracetamol en ibuprofen. De grote taalmodellen werden afzonderlijk getest en vergeleken, waaronder twee versies van GPT met een softwaremodule waarmee Google via Google naar informatie kon zoeken zoals een menselijke scheikundige dat zou doen.

De resulterende procedures werden vervolgens onderzocht en gescoord op basis van de vraag of ze tot de gewenste substantie hadden geleid, hoe gedetailleerd de stappen waren en andere factoren. Enkele van de hoogste scores werden behaald door de GPT-4-module met zoekmogelijkheden, de enige die een procedure van acceptabele kwaliteit creëerde voor het synthetiseren van ibuprofen.

Boiko en MacKnight observeerden hoe Coscientist 'chemisch redeneren' demonstreerde, wat Boiko beschrijft als het vermogen om chemiegerelateerde informatie en eerder verworven kennis te gebruiken om iemands acties te sturen. Het maakte gebruik van openbaar beschikbare chemische informatie gecodeerd in het Simplified Molecular Input Line Entry System (SMILES)-formaat – een soort machinaal leesbare notatie die de chemische structuur van moleculen weergeeft – en bracht wijzigingen aan in zijn experimentele plannen op basis van specifieke delen van de moleculen die het was. nauwkeurig onderzoek van de SMILES-gegevens.

"Dit is de best mogelijke versie van chemisch redeneren", zegt Boiko.

Verdere tests omvatten softwaremodules waarmee Coscientist technische documenten kon zoeken en gebruiken die applicatieprogrammeringsinterfaces beschrijven die robotlaboratoriumapparatuur besturen. Deze tests waren belangrijk om te bepalen of Coscientist zijn theoretische plannen voor het synthetiseren van chemische verbindingen kon vertalen in computercode die laboratoriumrobots in de fysieke wereld zou begeleiden.

Haal de robots erbij

Hightech robotchemie-apparatuur wordt vaak gebruikt in laboratoria om kleine vloeistofmonsters met uiterste precisie steeds opnieuw op te zuigen, eruit te spuiten, te verwarmen, te schudden en andere dingen te doen. Dergelijke robots worden doorgaans bestuurd via computercode die is geschreven door menselijke chemici die zich in hetzelfde laboratorium of aan de andere kant van het land kunnen bevinden.

Dit was de eerste keer dat dergelijke robots zouden worden bestuurd door computercode geschreven door AI.

Het team startte Coscientist met eenvoudige taken waarbij het nodig was om een ​​robotachtige vloeistofverwerkingsmachine gekleurde vloeistof te laten afgeven in een plaat met 96 kleine putjes die in een rooster waren uitgelijnd. Er werd verteld om "elke andere lijn te kleuren met een kleur naar keuze", "een blauwe diagonaal te tekenen" en andere opdrachten die doen denken aan de kleuterschool.

Na zijn afstuderen aan liquid handler 101 liet het team Coscientist kennismaken met meer soorten robotapparatuur. Ze werkten samen met Emerald Cloud Lab, een commerciële faciliteit gevuld met verschillende soorten geautomatiseerde instrumenten, waaronder spectrofotometers, die de golflengten meten van licht dat door chemische monsters wordt geabsorbeerd. Coscientist kreeg vervolgens een bord met vloeistoffen van drie verschillende kleuren (rood, geel en blauw) en werd gevraagd om te bepalen welke kleuren aanwezig waren en waar ze zich op het bord bevonden.

Omdat Coscientist geen ogen heeft, schreef het code om de mysterieuze kleurenplaat robotachtig door te geven aan de spectrofotometer en de golflengten van het licht te analyseren dat door elk putje werd geabsorbeerd, waardoor werd geïdentificeerd welke kleuren aanwezig waren en hun locatie op de plaat. Voor deze opdracht moesten de onderzoekers Coscientist een duwtje in de goede richting geven en hem opdracht geven na te denken over hoe verschillende kleuren licht absorberen. De AI deed de rest.

Het eindexamen van Coscientist was om de samengestelde modules en training samen te voegen om de opdracht van het team te vervullen om "Suzuki- en Sonogashira-reacties uit te voeren", genoemd naar hun uitvinders Akira Suzuki en Kenkichi Sonogashira.

De reacties, ontdekt in de jaren zeventig, gebruiken het metaal palladium om bindingen tussen koolstofatomen in organische moleculen te katalyseren. De reacties zijn uiterst nuttig gebleken bij het produceren van nieuwe soorten medicijnen voor de behandeling van ontstekingen, astma en andere aandoeningen. Ze worden ook gebruikt in organische halfgeleiders in OLED's die in veel smartphones en monitoren te vinden zijn. De doorbraakreacties en hun brede impact werden formeel erkend met een Nobelprijs die in 2010 gezamenlijk werd toegekend aan Sukuzi, Richard Heck en Ei-ichi Negishi.

Uiteraard had Coscientist deze reacties nog nooit eerder geprobeerd. Dus, zoals deze auteur deed om de voorgaande paragraaf te schrijven, ging hij naar Wikipedia en zocht ze op.

Grote macht, grote verantwoordelijkheid

"Voor mij was het 'eureka'-moment dat het de juiste vragen stelde", zegt MacKnight, die de softwaremodule ontwierp waarmee Coscientist technische documentatie kon doorzoeken.

Coscientist zocht antwoorden voornamelijk op Wikipedia, samen met een groot aantal andere sites, waaronder die van de American Chemical Society, de Royal Society of Chemistry en andere met academische artikelen waarin de reacties van Suzuki en Sonogashira worden beschreven.

In minder dan vier minuten had Coscientist een nauwkeurige procedure ontworpen voor het produceren van de vereiste reacties met behulp van door het team geleverde chemicaliën. Toen het zijn procedure in de fysieke wereld met robots wilde uitvoeren, maakte het een fout in de code die het schreef om een ​​apparaat te besturen dat vloeibare monsters verwarmt en schudt. Zonder menselijke hulp ontdekte Coscientist het probleem, verwees terug naar de technische handleiding van het apparaat, corrigeerde de code en probeerde het opnieuw.

De resultaten waren vastgelegd in een paar kleine monsters heldere vloeistof. Boiko analyseerde de monsters en vond de spectrale kenmerken van Suzuki- en Sonogashira-reacties.

Gomes was ongelovig toen Boiko en MacKnight hem vertelden wat Coscientist deed. "Ik dacht dat ze aan mijn been trokken", herinnert hij zich. "Maar dat was niet zo. Dat was absoluut niet het geval. En toen klikte het:oké, we hebben hier iets dat heel nieuw en heel krachtig is."

Met die potentiële macht komt de noodzaak om deze verstandig te gebruiken en te waken tegen misbruik. Gomes zegt dat het begrijpen van de mogelijkheden en beperkingen van AI de eerste stap is in het opstellen van geïnformeerde regels en beleid die schadelijk gebruik van AI, zowel opzettelijk als per ongeluk, effectief kunnen voorkomen.

"We moeten verantwoordelijk en bedachtzaam zijn over de manier waarop deze technologieën worden ingezet", zegt hij.

Gomes is een van de vele onderzoekers die deskundig advies en begeleiding bieden voor de inspanningen van de Amerikaanse overheid om ervoor te zorgen dat AI veilig wordt gebruikt, zoals het uitvoeringsbesluit van de regering-Biden van oktober 2023 over de ontwikkeling van AI.

Het versnellen van ontdekkingen, het democratiseren van de wetenschap

De natuurlijke wereld is vrijwel oneindig qua omvang en complexiteit en bevat onnoemelijke ontdekkingen die wachten om gevonden te worden. Stel je nieuwe supergeleidende materialen voor die de energie-efficiëntie dramatisch verhogen, of chemische verbindingen die anders onbehandelbare ziekten genezen en het menselijk leven verlengen. En toch is het verwerven van de opleiding en training die nodig zijn om die doorbraken te bewerkstelligen een lange en moeizame reis. Wetenschapper worden is moeilijk.

Gomes en zijn team zien AI-ondersteunde systemen zoals Coscientist als een oplossing die de kloof kan overbruggen tussen de onontdekte uitgestrektheid van de natuur en het feit dat er een tekort is aan geschoolde wetenschappers – en dat zal waarschijnlijk altijd zo blijven.

Menselijke wetenschappers hebben ook menselijke behoeften, zoals slapen en af ​​en toe het laboratorium verlaten. Terwijl door mensen geleide AI de klok rond kan 'denken', methodisch elke spreekwoordelijke steen kan omdraaien en de experimentele resultaten ervan kan controleren en opnieuw controleren op repliceerbaarheid. "We kunnen iets hebben dat autonoom kan draaien en nieuwe fenomenen, nieuwe reacties, nieuwe ideeën probeert te ontdekken", zegt Gomes.

"Je kunt ook de toetredingsdrempel voor vrijwel elk vakgebied aanzienlijk verlagen", zegt hij. Als een bioloog die niet is getraind in Suzuki-reacties bijvoorbeeld het gebruik ervan op een nieuwe manier wil onderzoeken, kan hij Coscientist vragen om hem te helpen bij het plannen van experimenten.

"Je kunt een enorme democratisering van middelen en begrip bewerkstelligen", legt hij uit.

Er is een iteratief proces in de wetenschap van iets proberen, falen, leren en verbeteren, dat AI aanzienlijk kan versnellen, zegt Gomes. "Dat op zichzelf zal een dramatische verandering zijn."

Meer informatie: Gabe Gomes, Autonome wetenschappelijke onderzoeksmogelijkheden van grote taalmodellen, Natuur (2023). DOI:10.1038/s41586-023-06792-0. www.nature.com/articles/s41586-023-06792-0

Journaalinformatie: Natuur

Aangeboden door de National Science Foundation