12 Stunden lang ohne Pause gearbeitet, 1.500 wissenschaftliche Artikel in einer Runde gewälzt und 42.000 Codezeilen geschrieben – Künstliche-Intelligenz-Wissenschaftler treiben das Wettlaufen im Forschungsbereich in die Extremen.

Eine halbe Arbeitstage reichen, um sechs Monate an Arbeit zu erledigen. Künstliche-Intelligenz-Wissenschaftler sind die echten Wettläufer.

Kosmos, ein Künstlicher-Intelligenz-Wissenschaftler, der von Anfang bis Ende ohne menschliche Eingriffe auskommt, indem er selbst Literatur recherchiert, Code schreibt, Berichte erstellt und wissenschaftliche Artikel verfasst.

Obwohl es stark anstrengend ist, ist es keine nutzlose Konkurrenz. Kosmos kann bis zu 12 Stunden kontinuierlich arbeiten, liest durchschnittlich bei einer Untersuchung 1.500 wissenschaftliche Artikel und schreibt 42.000 Zeilen Analysecode. Darüber hinaus ist der gesamte Prozess nachvollziehbar, sodass es kein Erfinden von Daten mehr gibt. Vielleicht kann er tatsächlich Artikel in Top-Journalen veröffentlichen.

Außerdem können 79 % der Forschungsergebnisse von menschlichen Wissenschaftlern reproduziert werden.

Nicht nur dass es eine hohe Forschungsqualität aufweist, sondern es ist auch nicht einseitig. Es hat bereits sieben echte Entdeckungen in Bereichen wie Metabolomik, Neurowissenschaften und Materialwissenschaften gemacht, darunter auch Ergebnisse, die noch nicht von Menschen veröffentlicht wurden, und die Schlussfolgerungen stimmen mit den Daten überein.

Doktoren, bebt ihr? (doge)

Schauen wir uns zunächst an, wie gut Kosmos in der Forschung wirklich ist.

1.500 wissenschaftliche Artikel in 12 Stunden recherchieren und 42.000 Zeilen Code schreiben

Im Bereich der neuroprotektiven Metabolomik hat Kosmos erfolgreich eine noch nicht veröffentlichte Entdeckung reproduziert.

Es hat auf der Grundlage eines Datensatzes zur Metabolomik von Mäusebrüsten eine Analyse rund um das Forschungsziel „Metabolischer Mechanismus der Hypothermie-Schutz für das Gehirn“ durchgeführt.

Zunächst hat es mit einer Pfadenanreicherungsanalyse (Abbildung c unten) festgestellt, dass der am deutlichsten unterschiedliche Stoffwechselweg zwischen der Hypothermie-Gruppe und der Normothermie-Gruppe der Nukleotidstoffwechsel ist. Dann hat es mit einer Heatmap (Abbildung d unten) die Veränderungen der Vorläuferstoffe und Produkte von Nukleotiden analysiert und festgestellt, dass bei Hypothermie die Vorläuferstoffe abnehmen und die Produkte zunehmen, was den Charakteristika der Aktivierung des Nukleotid-Salvage-Wegs (eine energieeffiziente Stoffwechselweise) entspricht.

Um sicherzustellen, dass es sich nicht um andere Wege handelt, hat es auch die Stoffwechselbeziehungen des De-novo-Synthesewegs analysiert (Abbildung e unten) und festgestellt, dass es keine deutlichen Beziehungen zwischen Vorläufern und Produkten gibt, wodurch diese Möglichkeit ausgeschlossen wurde. Schließlich hat es mit einem Säulendiagramm (Abbildung b unten) anschaulich gezeigt, dass der Gehalt an Purin- und Pyrimidin-Salvage-Produkten in der Hypothermie-Gruppe tatsächlich erhöht ist.

Das Wichtigste ist die Validierung der Ergebnisse. In Abbildung g unten wurden die Veränderungen der ersten 15 Schlüsselmetaboliten, die von Kosmos analysiert wurden, mit den noch nicht veröffentlichten Ergebnissen menschlicher Analysen verglichen. Die Log10-Faltungsänderungswerte beider stimmen fast vollständig überein (R² = 0,998).

Das bedeutet, dass Kosmos nicht nur die Schlussfolgerung „Hypothermie schützt das Gehirn durch die Aktivierung des Nukleotid-Salvage-Wegs“ selbst gefunden hat, sondern auch die Veränderungstrends der spezifischen Metaboliten genau mit den menschlichen Forschungen übereinstimmen. Es hat diese noch nicht veröffentlichte Entdeckung perfekt reproduziert.

Es gab bereits andere Künstliche-Intelligenz-Wissenschaftler. Beispielsweise hat die Startup-Sakana AI von Llion Jones, einem der Autoren von Transformer, bei der Veröffentlichung ihres The AI Scientist zehn eigene wissenschaftliche Artikel vorgelegt, was viel Diskussionen ausgelöst hat.

Aber alle zehn Studien konzentrieren sich auf das Gebiet der Künstlichen-Intelligenz-Modelle. Man muss sagen, dass es einseitig ist.

Es gab auch das frühere Robin-System, das sich nur auf die Arzneimittelentwicklung konzentriert, keine interdisziplinären Forschungen durchführen kann und nur etwa 4.000 Zeilen Code pro Untersuchung generieren kann. Außerdem treten häufig Probleme bei der Verbindung des Kontexts auf.

Jetzt hat Kosmos diese Einschränkungen überwunden und das Niveau der Interdisziplinarität und der Arbeitsdauer auf ein neues Hoch gebracht.

Das Geheimnis liegt in seinem strukturierten Weltmodell, was gleichbedeutend damit ist, dass den Künstlichen-Intelligenz-Werkzeugen für Datenanalyse und Literaturrecherche ein gemeinsamer „Gehirn“ zugewiesen wird. Auf diese Weise können die beiden Module die Informationen in Echtzeit synchronisieren.

Das Funktionsprinzip von Kosmos ist nicht kompliziert. Im Wesentlichen handelt es sich um einen vollautomatischen Prozess von „zyklischer Iteration und Informationsaustausch“. Wissenschaftler müssen ihm nur zwei Kernbefehle geben:

Ein offenes Forschungsziel

Der entsprechende Datensatz

Danach startet es sofort die doppelte Arbeitsweise von Datenanalyse und Literaturrecherche. Der gesamte Prozess, bis hin zur Fertigstellung des wissenschaftlichen Artikels, erfordert keinerlei menschliche Eingriffe.

Bei jeder Runde schreibt die Künstliche Intelligenz für die Datenanalyse automatisch Code, um die Daten zu verarbeiten und die Beziehungen zwischen Variablen zu erforschen. Die Künstliche Intelligenz für die Literaturrecherche sucht auf der Grundlage der Analyseergebnisse gezielt nach relevanten wissenschaftlichen Artikeln, um die Ideen zu validieren. Anschließend werden die Informationen über den gemeinsamen „Gehirn“ integriert, um die nächste Richtung zu bestimmen.

Dieser Zyklus kann bis zu 200 Mal wiederholt werden. Sobald Kosmos feststellt, dass das Forschungsziel erreicht ist, ordnet es automatisch alle Entdeckungen in einen wissenschaftlichen Bericht und markiert jede Zeile mit der entsprechenden Code- oder Literaturquelle. So sagt man aufhören, Daten zu erfinden.

Nach diesem Prozess kann Kosmos bis zu 12 Stunden kontinuierlich arbeiten, liest durchschnittlich bei einer Untersuchung 1.500 wissenschaftliche Artikel und schreibt 42.000 Zeilen Analysecode (das ist 9,8 Mal so viel wie Robin).

Nach der Einschätzung von menschlichen Wissenschaftlern entsprechen die Forschungsergebnisse von 20 Zyklen von Kosmos dem Arbeitsaufwand eines menschlichen Teams von sechs Monaten. Und je mehr Zyklen es gibt, desto mehr wertvolle Entdeckungen werden gemacht. Es ist wirklich keine nutzlose Konkurrenz.

Außer der Reproduktion von noch nicht veröffentlichten menschlichen Forschungen hat es auch neue Regeln entdeckt. Beispielsweise ist die Feuchtigkeit während des Temperns der „Todesschalter“ für Perowskit-Solarzellen (die schnelle Effizienzabnahme aufgrund von Umweltfaktoren wie Hochtemperatur und Feuchtigkeit). Das Schutzprotein bei der Myokardfibrose ist SOD2. Es hat sogar eine neue wissenschaftliche Analysemethode erfunden – die Verwendung von Segmentregression, um die kritischen Punkte der Proteinveränderungen bei Alzheimer zu finden.

Aber Kosmos hat auch Schwächen. Einerseits kann es Ergebnisse, die statistisch signifikant, aber wissenschaftlich nicht sehr bedeutsam sind, als Forschungsschwerpunkte setzen und bei der Interpretation der Daten häufig absolute Aussagen verwenden. Andererseits sinkt die Effizienz, wenn es Datensätze von mehr als 5 GB verarbeitet.

Teamvorstellung

Die Techniker Ludovico Mitchener und Michaela Hinks von Edison Scientific haben das Kosmos-Projekt geleitet.

Mitchener hat einen Master in Computation (Künstliche Intelligenz und Maschinelles Lernen) von der Imperial College London und einen Master in Naturwissenschaften von der University College London. Er hat auch an einem Künstliche-Intelligenz-Projekt in der Kriminalpsychologie an der Imperial College London teilgenommen.

Als gelegentlicher Angel-Investor gehört Mitchener auch zur Liste der 30 unter 30 im Bereich der Wissenschaft von Forbes.

Michaela Hinks hat einen Doktor in Bioingenieurwesen von der Stanford University und hat bei X praktiziert.

Während ihrer Promotion hat sie eine Technologie entwickelt, die eine schnelle und Massenanalyse ermöglicht. Mit dieser Technologie kann man direkt in Zellen beobachten, ob mehrere Proteine gleichzeitig an demselben DNA-Segment binden und wie sie sich binden. Später hat sie diese Technologie auch auf künstlich synthetische Gene angewendet, um die grundlegenden Regeln und Prinzipien hinter dem Gentranskriptionsprozess in menschlichen Zellen zu validieren.

Edison Scientific ist eine neue Tochtergesellschaft von FutureHouse, einer gemeinnützigen Organisation, die sich auf die Entwicklung von Künstlichen-Intelligenz-Agenten für die Automatisierung von Forschungen in Biologie und anderen komplexen wissenschaftlichen Bereichen konzentriert.

Früher hat FutureHouse den Vorgänger von Kosmos, Robin, veröffentlicht. Im Mai dieses Jahres hat Robin festgestellt, dass das ROCK-Inhibitor Ripasudil, das zur klinischen Behandlung des Glaukoms verwendet wird, ein potenzielles Therapieansatz für die trockene altersbedingte Makuladegeneration (dAMD), eine Augenerkrankung, die zur Erblindung führen kann, ist. Dies hat die Anerkennung vieler medizinischer Experten erhalten.

Edison Scientific wird von Sam Rodriques als CEO geleitet. Er ist Physiker und Bioingenieur und hat Technologien für die räumliche und zeitliche Transkriptomik, die Gehirnabbildung, die Gentherapie und die Nanomanufaktur entwickelt.

Vor der Gründung von FutureHouse hat er kurzzeitig ein akademisches Labor an der Francis Crick Institute geleitet.

Andrew White ist der Technologiechef von Edison Scientific. Er ist ein Forscher mit über 50 peer-reviewed Publikationen