ИИ собрал свою научную команду — и предложил вакцину, до которой люди не додумались

Команда учёных из Стэнфордского университета представила принципиально новый подход к организации научных исследований: виртуальную лабораторию, управляемую искусственным интеллектом. Эта система воспроизводит структуру полноценного научного коллектива, включая главного исследователя — виртуального руководителя проекта — и специализированных агентов, каждый из которых отвечает за определённую область знаний. Впервые моделирование научного процесса было реализовано не как автоматизация отдельных задач, а как целостная интеллектуальная среда, способная генерировать гипотезы, формировать команды, критически осмысливать предложения и продвигаться к экспериментальной проверке.

Архитектура лаборатории вдохновлена реальной группой биомедицинских исследований Стэнфордской школы медицины. По словам руководителя проекта, доцента Джеймса Зоу, разработка базируется на так называемых агентных языковых моделях — системах, построенных на базе ИИ, которые не только обмениваются информацией с пользователем, но и взаимодействуют друг с другом, координируют действия и самостоятельно принимают решения. Такой формат сотрудничества позволяет преодолеть один из главных барьеров современной науки — необходимость постоянной междисциплинарной координации.

В качестве демонстрации возможностей виртуальной лаборатории исследователи поручили системе разработать альтернативный подход к созданию вакцины от COVID-19. Всего за несколько дней ИИ-группа предложила использовать не классические антитела, а нанотела — более компактные белковые фрагменты, сохраняющие способность связываться с вирусными структурами. Этот выбор был мотивирован тем, что при меньшем размере молекулы значительно упрощается её моделирование и структурный дизайн, что критически важно при использовании алгоритмов машинного обучения.

Опыт, проведённый командой Чан Цукерберг БиоХаба под руководством Джона Пака, показал, что предложенная ИИ-конструкция стабильно формируется в лабораторных условиях, эффективно взаимодействует с шиповидным белком SARS-CoV-2 и демонстрирует высокую избирательность. Более того, нанотела оказались универсальными: они прочно связывались как с новыми штаммами коронавируса, так и с первоначальным уханьским вариантом, открывая перспективу создания вакцины широкого спектра действия.

Виртуальный коллектив начинает работу с постановки научной задачи, сформулированной человеком. Затем "главный ИИ-исследователь" — центральный координирующий агент — определяет необходимые направления и создаёт подчинённых агентов: биоинформатика, иммунолога, специалиста по машинному обучению и, обязательно, критика, чья задача — ставить под сомнение предложения других участников и указывать на логические и методологические уязвимости. Такой дублирующий контроль позволяет минимизировать риск логических сбоев, к которым склонны большие языковые модели.

Помимо коммуникации на естественном языке, ИИ-агенты используют специализированные инструменты, включая модель AlphaFold для прогнозирования белковых структур. По мере развития проекта агенты могут самостоятельно запрашивать доступ к новым инструментам, которые затем интегрируются в систему. В отличие от обычных научных семинаров, обсуждения в виртуальной среде занимают секунды и происходят параллельно, без временных ограничений, связанных с физической усталостью участников или необходимостью логистической координации.

Человеческое участие минимально: как подчёркивает Зоу, вмешательства ограничиваются 1% от общего числа решений. Исследователь осознанно избегает директивного управления ИИ-подчинёнными, предоставляя им пространство для нестандартного мышления. Вся история взаимодействий — диалоги, решения, возражения — протоколируется, что позволяет отслеживать ход проекта и при необходимости вносить коррективы. При этом единственным постоянным ограничением, заданным извне, остаётся финансовый контроль: алгоритмы не вправе предлагать решения, заведомо не реализуемые в условиях физической лаборатории.

Следующим шагом стала интеграция экспериментальных данных, полученных в реальном мире, обратно в виртуальную лабораторию. Это позволяет уточнять параметры моделей, корректировать гипотезы и запускать повторные итерации исследований, фактически реализуя полноценную систему обратной связи между цифровым коллективом и традиционными методами биомедицинской валидации.

Потенциал применения этой платформы выходит далеко за рамки борьбы с коронавирусом. По словам Зоу, ИИ-команда уже использовалась для ретроспективного анализа опубликованных научных данных, в том числе для переоценки ранее сделанных выводов. Благодаря способности анализировать сложные биомедицинские датасеты, виртуальные агенты смогли обнаружить корреляции и закономерности, не зафиксированные в оригинальных публикациях.

В перспективе виртуальные лаборатории могут стать важнейшим инструментом в научных исследованиях , обеспечивая не только ускорение процессов, но и выход на качественно новый уровень мультидисциплинарного анализа. ИИ не заменяет человека, но становится партнёром, способным предложить гипотезы, на которые у живых исследователей не хватило бы времени или ресурсов.

Таким образом, работа Зоу и его коллег — это не просто демонстрация возможностей агентных языковых моделей, а практический шаг в сторону создания автономных интеллектуальных исследовательских систем, способных не просто выполнять команды, а предлагать оригинальные научные решения. Это новая парадигма, в которой искусственный интеллект становится активным участником научного прогресса.