Google Research ने Gemini 2.0 आधारित Co-scientist की घोषणा की

Co-scientist एक multi-agent AI system है जो Gemini 2.0 पर आधारित है, और वैज्ञानिकों को नई परिकल्पनाएँ बनाने तथा शोध की गति बढ़ाने में मदद करता है.

• पारंपरिक वैज्ञानिक पद्धति से प्रेरित होकर, यह क्रमशः Generation, Reflection, Ranking, Evolution, Proximity और Meta-review में विशेषज्ञ agents का उपयोग करता है. ये agents recursive feedback के ज़रिए अपने विचारों को स्वयं बेहतर बनाते हैं.
• वैज्ञानिक AI को ideas दे सकते हैं, और AI के ideas पर feedback भी दे सकते हैं.
• मॉडल के उत्तरों के मूल्यांकन के लिए Elo rating अपनाई गई है, और इसी के आधार पर समय के साथ मॉडल के परिणाम बेहतर किए जाते हैं
  • Gemini 2.0 Pro और मानव विशेषज्ञों की Elo rating 1300 या उससे कम है.
  • Co-scientist समय के साथ 1300 से बढ़कर 1500 से ऊपर तक पहुँचता है
  • जब मानव विशेषज्ञों ने मॉडल के परिणामों का मूल्यांकन किया, तब भी co-scientist को Gemini 2.0 Pro और OpenAI o1 से बेहतर आंका गया.
• व्यावहारिकता के मूल्यांकन के लिए drug repurposing, novel treatment target discovery, और antimicrobial resistance के underlying mechanisms को समझने से जुड़े प्रयोग किए गए. ये विशेषज्ञों के हस्तक्षेप के साथ चलाए गए.
• Acute myeloid leukemia के लिए drug repurposing
  • Drug repurposing का मतलब नई दवा विकसित करने के बजाय, मौजूदा दवाओं के नए उपयोग ढूँढना है. इसके लिए व्यापक interdisciplinary expertise की ज़रूरत होती है.
  • Co-scientist ने acute myeloid leukemia के लिए नए repurposing candidate drugs सुझाए. Computer analysis, clinical feedback और in vitro परीक्षणों के परिणामों में इन दवाओं ने tumor viability को कम किया.
• Liver fibrosis के treatment targets की खोज में प्रगति
  • Treatment target discovery में hypothesis selection और experiment prioritization चुनने के दौरान काफी inefficiency होती है.
  • इसने liver fibrosis target discovery के लिए hypothesis suggestion, prioritization, और experimental protocol generation किया.
  • Co-scientist द्वारा पहचाने गए targets ने प्रयोगों में मजबूत antifibrotic activity दिखाई.
• Antimicrobial resistance mechanism की व्याख्या
  • Antimicrobial resistance mechanism की व्याख्या में यह अध्ययन किया जाता है कि microorganisms किस तरह ऐसे genes विकसित और transfer करते हैं जो therapies से बच निकलने में मदद करते हैं
  • शोधकर्ताओं ने Co-scientist को ऐसे विषय का स्वतंत्र रूप से अन्वेषण करने के लिए कहा जो पहले से खोजा जा चुका था, लेकिन अभी सार्वजनिक नहीं किया गया था.
  • AI द्वारा प्रस्तुत hypothesis पहले ही प्रयोगों से सत्यापित हो चुकी थी और जल्द प्रकाशित होने वाली थी.

उम्मीद है कि Co-scientist, वैज्ञानिकों के सहायक tool के रूप में, वैज्ञानिक खोजों को तेज़ करेगा.

[GN⁺]

Hacker News टिप्पणियाँ

• मुझे यक़ीन नहीं है कि यहाँ लोगों ने पूरा लेख पढ़ा भी है या नहीं, इसलिए लेख से कुछ अंश

  • AI Co-scientist ने drug repurposing के अवसरों का पूर्वानुमान लगाया, और साझेदारों के साथ computational biology, विशेषज्ञ clinicians की feedback, और experiments के ज़रिए उन पूर्वानुमानों को सत्यापित किया
  • AI Co-scientist ने acute myeloid leukemia (AML) के लिए नए repurposing candidates सुझाए, और experiments ने पुष्टि की कि सुझाई गई दवाएँ कई AML cell lines में clinically relevant concentrations पर tumor viability को दबाती हैं
  • विशेषज्ञ शोधकर्ताओं ने AI Co-scientist को ऐसे विषय का अन्वेषण करने को कहा जिस पर समूह के भीतर नई खोज पहले से हो चुकी थी लेकिन अभी प्रकाशित नहीं हुई थी, और AI Co-scientist ने स्वतंत्र रूप से प्रस्ताव दिया कि यह विभिन्न phage tails के साथ interact करके host range का विस्तार करता है
  • इस खोज की पुष्टि AI Co-scientist system के उपयोग से पहले किए गए laboratory experiments में हो चुकी थी, और इसे Fleming Initiative तथा Imperial College London के साथ सहयोग में साथ-साथ प्रकाशित paper में वर्णित किया गया है
  • AI model प्रयोगशाला में सत्यापित नई वैज्ञानिक hypotheses प्रस्तुत कर सका, और इसका बहुत महत्वपूर्ण अर्थ है

• मुझे "AML के लिए drug repurposing" वाक्यांश थोड़ा मज़ेदार लगता है

  • molecular subtyping और ex-vivo drug prediction के माध्यम से AML पर PhD कर रहे व्यक्ति के रूप में यह काफ़ी random लगता है
  • random drug repurposing की बजाय मैं अपनी pipeline प्रस्तावित करना चाहूँगा
  • वैसे, हम अपनी pipeline के लिए funding और commercialization का रास्ता ढूँढ़ रहे हैं, और अगर रुचि हो तो साइट के माध्यम से संपर्क किया जा सकता है

• सच कहूँ तो मुझे समझ नहीं आता कि इसका उपयोग क्यों करना चाहिए

  • मुझे ideas को जोड़ने या नई hypotheses सुझाने वाली AI की ज़रूरत नहीं है
  • मुझे project-दर-project अपने अनूठे तरीके से व्यवस्थित data को एक विशाल database में normalize करने के लिए data pipeline code लिखने और test करने की ज़रूरत है
  • मुझे acoustic data में amplitude space और frequency space दोनों में events detect करने के लिए data pipelines लिखने और test करने की ज़रूरत है
  • मुझे data analysis backend के frontend को test करके data के साथ काम करने की ज़रूरत है
  • शायद drug discovery ऐसा क्षेत्र है जहाँ उपलब्ध मानों को एक-एक करके दोहराते हुए बहुत से variables test करने पड़ते हैं
  • लेकिन मेरे शोध में यह लागू नहीं होता
  • हर चीज़ हर व्यक्ति के लिए नहीं होती, और यह ठीक है

• बाज़ार ऐसा लगता है जैसे आख़िरी बार पवनचक्की जिस दिशा में इशारा करे, वही दिशा पकड़कर दौड़ पड़ता है, चाहे दिशा कोई भी हो

  • मुझे वह अध्ययन याद आ गया जिसमें कहा गया था कि AI systems के साथ काम करते समय शोधकर्ता अधिक productive होते हैं, लेकिन काम से उनकी संतुष्टि कम हो जाती है
  • AI assistance ने वैज्ञानिकों को 44% अधिक material खोजने और patent filings में 39% वृद्धि करने में मदद की, लेकिन 82% वैज्ञानिकों ने बताया कि काम से उनकी संतुष्टि कम हो गई

• कुल मिलाकर लगता है कि हम Minsky की Society of Mind अवधारणा की ओर बढ़ रहे हैं

  • OpenAI भले ही सभी models को एक ही universal model में समाहित करने की कोशिश कर रहा हो, लेकिन अंदरूनी तौर पर मामला routing का हो सकता है
  • agents का खास tool calls, सोचने के तरीकों आदि में specialize होना, conceptual framework/stepping stone के रूप में एक उपयोगी दिशा दे सकता है

• मैं हाल में अपने workflow में AI का उपयोग कर रहा हूँ

  • अब तक की खोजों का सार निकालता हूँ और AI से explanations सुझाने तथा अतिरिक्त tests recommend करने को कहता हूँ
  • AI के 70% ideas बेकार होते हैं, लेकिन कभी-कभी बस थोड़ा और prompting चाहिए होता है
  • AI द्वारा सुझाए गए कुछ ideas ऐसे थे जिनके बारे में मैंने सोचा ही नहीं था
  • AI किसी knowledgeable human की जगह नहीं ले सकती, लेकिन इंसानों की मदद करने वाले tool के रूप में यह महंगे PhD-स्तर के consultant से बेहतर है

• मैंने अख़बार के लेख में वैज्ञानिक का उद्धरण पढ़ा, और यह चौंकाने वाला था कि उसकी टीम इस समस्या पर 10 साल से काम कर रही थी, लेकिन उन्होंने ऐसा कुछ भी प्रकाशित नहीं किया था जिसे AI आसानी से प्रोसेस कर सके

  • यह साबित करना मुश्किल है कि किसी अन्य researcher ने वही idea प्रस्तावित नहीं किया था
  • सोचता हूँ कि अगर उसके competitor ने एक महीने पहले वही search की होती, तो क्या वह priority claim कर पाता

• इन दिनों मैं AI को लेकर नकारात्मक हूँ, लेकिन मुझे Eliza को पहली बार इस्तेमाल करने की याद है

  • मुझे लगता है मैं यह स्वीकार कर सकता हूँ कि AI मुझे समस्याओं की सूची दे और उनके समाधान पूछे
  • मैं AI techniques को property-based testing पर लागू होते देखना चाहूँगा

• टिप्पणियों का दिलचस्प संग्रह

  • व्यक्तिगत रूप से यह शानदार है
  • यह सह-वैज्ञानिक है, "वैज्ञानिक" नहीं
  • किसी ऐसी "चीज़" का मूल्यांकन करने में बहुत महत्व है जो आपके काम की समीक्षा कर सके और दिलचस्प output दे सके
  • बहुत से ideas सिर्फ इसलिए विचार में नहीं लाए जाते क्योंकि वे महंगे होते हैं
  • अगर "reasonable expectation" हो, तो असफलता का जोखिम कम हो जाता है
  • मैं अब "scientist" नहीं हूँ, लेकिन इसके साथ खेलना और देखना चाहूँगा कि कौन-से अजीब combinations संभावित रूप से पैदा हो सकते हैं

• एक biomedical scientist के रूप में मैंने कई बार देखा है कि AI developers यह दावा करते हैं कि AI इंसानों से अधिक स्मार्ट होगी और बेहतर hypotheses उत्पन्न करेगी

  • उदाहरण के लिए, Google के essay में दावा किया गया है कि CRISPR एक interdisciplinary प्रयास है जो microbiology, genetics, और molecular biology को जोड़ता है
  • दावा किया जाता है कि AI Co-scientist कई क्षेत्रों को एकीकृत करके नई hypotheses उत्पन्न कर सकेगा
  • मुझे लगता है कि computer scientists biomedical research से पर्याप्त परिचित नहीं हैं, इसलिए वे यह नहीं समझते कि microbiology/genetics/molecular biology बहुत क़रीबी रूप से जुड़े हुए हैं
  • biologists के पास अच्छे ideas की कमी नहीं है
  • समस्या यह है कि उन ideas को पर्याप्त रूप से test करने में समय लगता है
  • AI और अन्य LLM बहुत शक्तिशाली Google और code writers हैं
  • वे 30% मामलों में ग़लत होते हैं, इसलिए उनका उपयोग करते समय बहुत सावधान रहना पड़ता है
  • ग़लत hypotheses का पीछा करने में समय बर्बाद न करना अच्छी बात है
  • लेकिन हम पहले से ही अच्छी और बुरी hypotheses को आसानी से पहचान सकते हैं
  • राजनीतिक समस्याएँ ऐसी चीज़ हैं जिन्हें AI हल नहीं कर पाएगी

[hhkkkk]

प्यार है हसाबिस~