구글 리서치, Gemini 2.0 기반 Co-scientist 발표
(research.google)코사이언티스트(co-scientist)는 Gemini 2.0으로 구성된 멀티 에이전트 AI 시스템으로, 과학자들이 새로운 가설을 수립하도록 돕고 연구 속도를 높이는 것을 도와줌.
- 기존 과학적 방법에서 영감을 얻어 각각 생성(Generation), 반영(Reflection), 순위 결정(Ranking), 진화(Evolution), 근접성(Proximity), 메타 검토(Meta-review)에 특화된 에이전트를 사용. 이들 에이전트는 재귀적으로 피드백을 하며 스스로 아이디어를 개선함.
- 과학자들은 AI에게 아이디어를 줄 수도, AI의 아이디어를 피드백할 수도 있음.
- 모델 답변 평가에 Elo 레이팅 도입, 이를 기준으로 시간이 지날수록 모델 결과를 개선함
- Gemini 2.0 Pro와 인간 전문가는 Elo 레이팅 1300 이하.
- Co-scientist는 시간이 지날수록 1300부터 1500 이상까지 증가함
- 인간 전문가가 모델 결과를 평가했을 때도 co-scientist가 Gemini 2.0 pro, OpenAI o1보다 좋은 평가를 받음.
- 실용성 평가를 위해 약물 재창출(Drug repurposing), 새로운 치료 표적 제안(Novel treatment target discovery), 항균제 내성 기전 규명(Elucidating the mechanisms underlying antimicrobial resistance) 실험을 진행. 전문가가 개입하며 진행함.
- 급성 골수성 백혈병을 위한 약물 재창출
- 약물 재창출은 신약을 개발하는 대신, 기존 약물의 새로운 사용처를 찾는 것. 광범위한 학제 전문성이 요구됨.
- Co-scientist는 급성 골수 백혈병에 대한 새로운 재창출 후보 약물들을 제안. 컴퓨터 분석과 임상 피드백, 시험관(in vitro) 시험 결과 약물들이 종양 생존력을 저해함.
- 간 섬유증 치료 표적 발견의 발전
- 치료 표적 발견은 가설 선택과 실험 우선순위 선택에서 비효율이 많이 발생함.
- 간 섬유증 표적 발견의 가설 제안, 우선순위 설정, 실험 프로토콜 생성을 진행.
- Co-scientist가 식별한 표적은 실험 결과 강력한 항섬유화 활성을 나타냄.
- 항균제 내성 기전 설명
- 항균제 내성 기전 설명은 미생물이 치료제를 회피하는 유전자를 진화시키고 전달하는 과정을 연구함
- 연구진은 Co-scientist에게 이미 발견되었지만 공개되지 않은 주제를 독립적으로 탐색하도록 지시.
- AI가 제시한 가설은 이미 실험으로 검증되어 곧 발표 예정인 상태였음.
Co-scientist가 과학자들의 보조 도구로서 과학 발견을 가속할 것으로 기대.
Hacker News 댓글들
-
여기 사람들이 기사 전체를 읽었는지 잘 모르겠는데, 기사를 발췌함
- AI Co-scientist가 약물 재활용 기회를 예측하고, 파트너와 함께 컴퓨터 생물학, 전문가 임상의 피드백, 실험을 통해 예측을 검증했음
- AI Co-scientist가 급성 골수성 백혈병(AML)에 대한 새로운 재활용 후보를 제안했으며, 실험을 통해 제안된 약물이 여러 AML 세포주에서 임상적으로 관련된 농도에서 종양 생존력을 억제하는 것을 확인했음
- 전문가 연구자들이 AI Co-scientist에게 이미 그룹 내에서 새로운 발견이 있었지만 공개되지 않은 주제를 탐구하도록 지시했으며, AI Co-scientist가 다양한 파지 꼬리와 상호작용하여 숙주 범위를 확장한다고 독립적으로 제안했음
- 이 발견은 AI Co-scientist 시스템 사용 전에 수행된 실험실 실험에서 검증되었으며, Fleming Initiative 및 Imperial College London과의 협력으로 동시 발표된 논문에 설명되어 있음
- AI 모델이 실험실에서 검증된 새로운 과학적 가설을 제시할 수 있었으며, 이는 매우 중요한 의미를 가짐
-
"AML에 대한 약물 재활용"이란 표현이 웃기다고 생각함
- 분자 하위 유형화 및 ex-vivo 약물 예측을 통해 AML에 대한 박사 학위를 진행 중인 사람으로서 매우 무작위적이라고 느낌
- 무작위 약물 재활용 대신 우리의 파이프라인을 제안하고 싶음
- 참고로 우리의 파이프라인을 자금 지원 및 상업화할 방법을 찾고 있으며, 관심이 있다면 사이트를 통해 연락할 수 있음
-
솔직히 이걸 왜 사용해야 하는지 모르겠음
- 아이디어를 연결하거나 새로운 가설을 제시하는 AI가 필요하지 않음
- 프로젝트별로 고유한 방식으로 조직된 데이터를 거대한 데이터베이스로 정규화하기 위한 데이터 파이프라인 코드를 작성하고 테스트하는 것이 필요함
- 음향 데이터에서 진폭 공간과 주파수 공간 모두에서 이벤트를 감지하기 위한 데이터 파이프라인을 작성하고 테스트하는 것이 필요함
- 데이터 분석 백엔드의 프론트 엔드를 테스트하여 데이터를 다루는 것이 필요함
- 아마도 약물 발견은 사용 가능한 값을 하나씩 반복하여 많은 변수를 테스트해야 할 것임
- 하지만 내 연구에는 해당되지 않음
- 모든 것이 모든 사람에게 맞는 것은 아니며, 그것은 괜찮음
-
시장은 방향에 관계없이 마지막으로 바람개비가 가리킨 방향으로 돌진하는 것처럼 보임
- AI 시스템과 함께 일할 때 연구자들이 더 생산적이지만 일에 대한 만족도는 낮아진다는 연구가 떠오름
- AI 지원이 과학자들이 44% 더 많은 자료를 발견하고 특허 출원을 39% 증가시켰지만, 82%의 과학자들이 일에 대한 만족도가 낮아졌다고 보고함
-
일반적으로 Minsky의 마음의 사회 개념으로 나아가고 있는 것 같음
- OpenAI가 모든 모델을 하나의 만능 모델로 통합하려고 하지만, 내부적으로는 라우팅에 관한 것일 수 있음
- 에이전트가 특정 도구 호출, 사고 방식 등에 특화되는 것이 개념적 프레임워크/발판으로 유용한 방향을 제공할 것임
-
최근 AI를 워크플로우에 사용하고 있음
- 지금까지의 발견을 요약하고 AI에게 설명을 제안하고 추가 테스트를 추천하도록 요청함
- AI의 아이디어 중 70%는 쓸모없지만, 가끔은 추가적인 프롬프트가 필요함
- AI가 제안한 아이디어 중에는 생각하지 못했던 것들이 있음
- AI가 지식 있는 인간을 대체할 수는 없지만, 인간을 돕는 도구로서 비싼 박사 수준의 컨설턴트를 능가함
-
신문 기사에서 과학자의 인용문을 읽었으며, 그의 팀이 문제를 해결하기 위해 10년 동안 작업했지만 AI가 이를 쉽게 처리할 수 있는 방식으로 아무것도 출판하지 않았다는 점이 놀라웠음
- 다른 연구자가 같은 아이디어를 제안하지 않았다는 점을 증명하기 어려움
- 만약 그의 경쟁자가 한 달 전에 같은 검색을 했다면 우선권을 주장할 수 있었을지 궁금함
-
요즘 AI에 대해 부정적이지만, 처음으로 Eliza를 사용했던 기억이 남음
- AI가 나에게 문제 목록을 제시하고 해결 방법을 묻는 것을 받아들일 수 있을 것 같음
- AI 기술을 속성 기반 테스트에 적용하는 것을 보고 싶음
-
흥미로운 댓글 모음
- 개인적으로 훌륭함
- 공동 과학자이지 "과학자"가 아님
- 작업을 검토하고 흥미로운 출력을 제공할 수 있는 "무엇"을 평가하는 데 큰 가치가 있음
- 비싸서 고려되지 않는 많은 아이디어가 있음
- "합리적인 기대"가 있다면 실패의 위험이 낮아짐
- 과학자가 "더 이상" 아니지만, 이것을 가지고 놀고 어떤 이상한 조합이 잠재적으로 생산될 수 있는지 보고 싶음
-
생물의학 과학자로서 AI 개발자들이 AI가 인간보다 더 똑똑하고 더 나은 가설을 생성할 것이라고 주장하는 경향을 몇 번 보았음
- 예를 들어 Google 에세이에서 CRISPR가 미생물학, 유전학, 분자 생물학을 결합한 학제 간 노력이라고 주장함
- AI Co-scientist가 여러 분야를 통합하여 새로운 가설을 생성할 수 있을 것이라고 주장함
- 컴퓨터 과학자들이 생물의학 연구에 친숙하지 않아서 미생물학/유전학/분자 생물학이 밀접하게 연결되어 있다는 것을 이해하지 못한다고 생각함
- 생물학자들은 좋은 아이디어가 많음
- 문제는 이러한 아이디어를 충분히 테스트하는 데 시간이 걸린다는 것임
- AI와 다른 LLM은 강력한 구글과 코드 작성자임
- 30%는 틀리기 때문에 사용할 때 매우 조심해야 함
- 잘못된 가설을 탐색하는 데 시간을 낭비하지 않는 것은 좋은 일임
- 하지만 이미 좋은 가설과 나쁜 가설을 쉽게 식별할 수 있음
- 정치 문제는 AI가 해결할 수 없을 것임