Оглавление

Команда Google Research представила революционную систему на базе Gemini, которая генерирует экспертный код для научных экспериментов. Система способна создавать, тестировать и оптимизировать тысячи вариантов программного обеспечения, ускоряя научные открытия с месяцев до часов.

Диаграмма обзора эмпирической программной системы с искусственным интеллектом

Как работает система автоматизации научного кода

В основе системы лежит концепция эмпирического программного обеспечения — кода, который оценивается не по функциональной корректности, а по способности максимизировать заданную метрику качества. Система принимает на вход:

  • Описание научной проблемы
  • Метрику оценки качества решения
  • Данные для обучения, валидации и тестирования
  • Дополнительный контекст (литература, предпочтительные методики)

Далее система использует древовидный поиск, вдохновленный алгоритмом AlphaZero, для создания дерева программных кандидатов и определения наиболее перспективных направлений для исследования.

Доказанная эффективность в реальных задачах

Система была протестирована на шести междисциплинарных задачах, показывая экспертный уровень в каждой из них.

Геномика: интеграция данных секвенирования РНК

В задаче интеграции данных single-cell RNA sequencing система обнаружила 40 новых методов, превосходящих лучшие экспертные разработки. Наилучшее решение показало улучшение на 14% по сравнению с методом ComBat за счет комбинации двух существующих подходов.

Таблица лидеров OpenProblems: сравнение эффективности методов ИИ и экспертов

Здравоохранение: прогнозирование госпитализаций от COVID-19

Система сгенерировала 14 моделей, превосходящих золотой стандарт COVID-19 Forecast Hub — ансамблевую модель, объединяющую прогнозы десятков экспертных команд.

Это не просто еще один генератор кода — система фактически заменяет целые исследовательские группы в определенных типах задач. Способность комбинировать существующие методы и создавать новые подходы показывает, что ИИ переходит от ассистирования к самостоятельному научному творчеству. Правда, пока только в четко ограниченных проблемных пространствах с четкими метриками успеха.

Технические особенности и ограничения

Система демонстрирует мастерство в областях, критически важных для современной науки:

  • Обобщение без предварительного обучения (zero-shot generalization)
  • Обработка многомерных сигналов
  • Количественная оценка неопределенности
  • Семантическая интерпретация сложных данных
  • Системное моделирование

Все решения системы доступны для воспроизведения на интерактивном сайте, что обеспечивает полную прозрачность и проверяемость результатов.

По материалам Google Research.