Google Research annonce Co-scientist, basé sur Gemini 2.0

Co-scientist est un système d'IA multi-agents construit avec Gemini 2.0, conçu pour aider les scientifiques à formuler de nouvelles hypothèses et à accélérer le rythme de la recherche.

• Inspiré de la méthode scientifique classique, il utilise des agents spécialisés respectivement dans la génération (Generation), la réflexion (Reflection), le classement (Ranking), l'évolution (Evolution), la proximité (Proximity) et la méta-revue (Meta-review). Ces agents se fournissent mutuellement des retours de manière récursive et améliorent eux-mêmes leurs idées.
• Les scientifiques peuvent soit fournir des idées à l'IA, soit donner un retour sur les idées proposées par l'IA.
• Introduction d'un classement Elo pour évaluer les réponses du modèle, afin d'améliorer ses résultats au fil du temps sur cette base
  • Gemini 2.0 Pro et les experts humains se situent sous un classement Elo de 1300.
  • Co-scientist progresse avec le temps, de 1300 à plus de 1500.
  • Même lorsque des experts humains ont évalué les résultats du modèle, co-scientist a obtenu de meilleures évaluations que Gemini 2.0 Pro et OpenAI o1.
• Pour évaluer son utilité pratique, des expériences ont été menées sur la reconversion de médicaments (Drug repurposing), la proposition de nouvelles cibles thérapeutiques (Novel treatment target discovery) et l'élucidation des mécanismes de résistance aux antimicrobiens (Elucidating the mechanisms underlying antimicrobial resistance). Elles ont été conduites avec l'intervention d'experts.
• Repositionnement de médicaments pour la leucémie myéloïde aiguë
  • Le repositionnement de médicaments consiste à trouver de nouveaux usages pour des médicaments existants au lieu de développer de nouveaux traitements. Cela nécessite une expertise interdisciplinaire étendue.
  • Co-scientist a proposé de nouveaux médicaments candidats au repositionnement pour la leucémie myéloïde aiguë. Selon l'analyse informatique, les retours cliniques et les essais in vitro, ces médicaments entravent la viabilité tumorale.
• Avancées dans la découverte de cibles thérapeutiques pour la fibrose hépatique
  • La découverte de cibles thérapeutiques souffre de nombreuses inefficacités dans la sélection des hypothèses et la priorisation des expériences.
  • Des propositions d'hypothèses, la priorisation et la génération de protocoles expérimentaux ont été réalisées pour la découverte de cibles liées à la fibrose hépatique.
  • Les cibles identifiées par Co-scientist ont montré, lors des expériences, une forte activité antifibrotique.
• Explication des mécanismes de résistance aux antimicrobiens
  • L'explication des mécanismes de résistance aux antimicrobiens étudie le processus par lequel les micro-organismes font évoluer et transmettent des gènes leur permettant d'échapper aux traitements.
  • Les chercheurs ont demandé à Co-scientist d'explorer de manière indépendante un sujet déjà découvert mais non encore publié.
  • L'hypothèse proposée par l'IA avait déjà été validée expérimentalement et devait être annoncée prochainement.

On attend de Co-scientist qu'il accélère les découvertes scientifiques en tant qu'outil d'assistance pour les chercheurs.

[GN⁺]

Commentaires sur Hacker News

• Je ne sais pas si les gens ici ont lu l’article en entier, mais voici des extraits

  • L’AI Co-scientist a prédit des opportunités de repositionnement de médicaments et, avec des partenaires, a validé ces prédictions via la biologie computationnelle, les retours de cliniciens experts et des expériences
  • L’AI Co-scientist a proposé un nouveau candidat au repositionnement pour la leucémie myéloïde aiguë (AML), et des expériences ont confirmé que le médicament proposé inhibait la viabilité tumorale dans plusieurs lignées cellulaires d’AML à des concentrations cliniquement pertinentes
  • Des chercheurs experts ont demandé à l’AI Co-scientist d’explorer un sujet sur lequel leur groupe avait déjà fait une nouvelle découverte sans l’avoir encore publiée, et l’AI Co-scientist a proposé indépendamment qu’il interagisse avec diverses queues de phages pour élargir le spectre d’hôtes
  • Cette découverte a été validée par des expériences de laboratoire menées avant l’utilisation du système AI Co-scientist, et elle est décrite dans un article publié simultanément en collaboration avec la Fleming Initiative et l’Imperial College London
  • Le modèle d’IA a pu proposer une nouvelle hypothèse scientifique validée en laboratoire, ce qui a des implications très importantes

• Je trouve l’expression « repositionnement de médicaments pour l’AML » assez amusante

  • En tant que personne en doctorat sur l’AML via la sous-typologie moléculaire et la prédiction ex-vivo des médicaments, ça me paraît très aléatoire
  • Au lieu d’un repositionnement aléatoire de médicaments, j’aimerais proposer notre pipeline
  • À titre d’information, nous cherchons des moyens de financer et de commercialiser notre pipeline ; si cela vous intéresse, vous pouvez nous contacter via le site

• Honnêtement, je ne vois pas pourquoi je devrais utiliser ça

  • Je n’ai pas besoin d’une IA qui relie des idées ou propose de nouvelles hypothèses
  • J’ai besoin d’écrire et de tester du code de pipeline de données pour normaliser dans une énorme base de données des données organisées de manière unique selon chaque projet
  • J’ai besoin d’écrire et de tester un pipeline de données pour détecter des événements dans des données acoustiques, à la fois dans l’espace d’amplitude et dans l’espace fréquentiel
  • J’ai besoin de manipuler les données en testant le front-end du back-end d’analyse de données
  • Peut-être que la découverte de médicaments consiste à tester beaucoup de variables en itérant une par une sur les valeurs disponibles
  • Mais cela ne s’applique pas à ma recherche
  • Tout n’est pas fait pour tout le monde, et c’est très bien ainsi

• Le marché semble foncer dans la dernière direction indiquée par la girouette, quelle qu’elle soit

  • Cela me rappelle une étude selon laquelle les chercheurs sont plus productifs avec des systèmes d’IA, mais moins satisfaits de leur travail
  • L’assistance par IA a permis aux scientifiques de découvrir 44 % de matériel en plus et d’augmenter de 39 % les dépôts de brevets, mais 82 % des scientifiques ont déclaré être moins satisfaits de leur travail

• On semble généralement aller vers le concept de société de l’esprit de Minsky

  • OpenAI essaie d’unifier tous les modèles en un seul modèle polyvalent, mais en interne il pourrait s’agir surtout de routage
  • Le fait que des agents se spécialisent dans certains appels d’outils, certaines façons de raisonner, etc., offrirait une direction utile comme cadre conceptuel / point d’appui

• J’utilise récemment l’IA dans mon workflow

  • Je résume ce que j’ai trouvé jusqu’ici et je demande à l’IA de proposer des explications et de recommander des tests supplémentaires
  • 70 % des idées de l’IA sont inutiles, mais parfois un prompt supplémentaire suffit
  • Parmi les idées proposées par l’IA, certaines ne m’étaient pas venues à l’esprit
  • L’IA ne peut pas remplacer un humain compétent, mais comme outil d’assistance elle surpasse un consultant au niveau doctorat coûteux

• J’ai lu une citation d’un scientifique dans un article de presse, et j’ai été surpris de voir que son équipe travaillait depuis dix ans à résoudre le problème sans rien publier sous une forme que l’IA puisse traiter facilement

  • Il est difficile de prouver qu’un autre chercheur n’a pas proposé la même idée
  • Je me demande si son concurrent aurait pu revendiquer la priorité s’il avait fait la même recherche un mois plus tôt

• Je suis plutôt négatif sur l’IA ces jours-ci, mais je me souviens encore de la première fois où j’ai utilisé Eliza

  • Je pourrais accepter qu’une IA me présente une liste de problèmes et me demande comment les résoudre
  • J’aimerais voir la technologie d’IA appliquée aux tests basés sur les propriétés

• Série de commentaires intéressants

  • Personnellement, je trouve ça excellent
  • C’est un co-scientifique, pas un « scientifique »
  • Il y a énormément de valeur à évaluer ce « quelque chose » qui peut examiner le travail et fournir des résultats intéressants
  • Beaucoup d’idées ne sont pas envisagées parce qu’elles coûtent trop cher
  • S’il y a une « attente raisonnable », le risque d’échec diminue
  • Je ne suis « plus » scientifique, mais j’aimerais jouer avec ça et voir quelles combinaisons étranges cela pourrait potentiellement produire

• En tant que scientifique biomédical, j’ai vu plusieurs fois des développeurs d’IA affirmer que l’IA sera plus intelligente que les humains et générera de meilleures hypothèses

  • Par exemple, dans l’essai de Google, il est affirmé que CRISPR est un effort interdisciplinaire combinant microbiologie, génétique et biologie moléculaire
  • Il est affirmé que l’AI Co-scientist pourra intégrer plusieurs disciplines pour générer de nouvelles hypothèses
  • Je pense que les informaticiens ne connaissent pas bien la recherche biomédicale et ne comprennent donc pas à quel point la microbiologie, la génétique et la biologie moléculaire sont étroitement liées
  • Les biologistes ont déjà beaucoup de bonnes idées
  • Le problème, c’est que tester suffisamment ces idées prend du temps
  • L’IA et les autres LLM sont des Google puissants et de bons générateurs de code
  • Comme ils se trompent dans 30 % des cas, il faut être très prudent en les utilisant
  • Ne pas perdre de temps à explorer de mauvaises hypothèses est une bonne chose
  • Mais on peut déjà facilement distinguer les bonnes hypothèses des mauvaises
  • Les problèmes politiques, eux, ne pourront pas être résolus par l’IA

[hhkkkk]

Je vous aime, Hassabis~