Rumo a um co-cientista de IA

Towards an AI co-scientist

February 26, 2025

Autores: Juraj Gottweis, Wei-Hung Weng, Alexander Daryin, Tao Tu, Anil Palepu, Petar Sirkovic, Artiom Myaskovsky, Felix Weissenberger, Keran Rong, Ryutaro Tanno, Khaled Saab, Dan Popovici, Jacob Blum, Fan Zhang, Katherine Chou, Avinatan Hassidim, Burak Gokturk, Amin Vahdat, Pushmeet Kohli, Yossi Matias, Andrew Carroll, Kavita Kulkarni, Nenad Tomasev, Yuan Guan, Vikram Dhillon, Eeshit Dhaval Vaishnav, Byron Lee, Tiago R D Costa, José R Penadés, Gary Peltz, Yunhan Xu, Annalisa Pawlosky, Alan Karthikesalingam, Vivek Natarajan

cs.AI

Resumo

A descoberta científica depende de cientistas gerando hipóteses inovadoras que passam por uma validação experimental rigorosa. Para aprimorar esse processo, introduzimos um co-cientista de IA, um sistema multiagente construído sobre o Gemini 2.0. O co-cientista de IA tem o objetivo de ajudar a descobrir novos conhecimentos originais e formular hipóteses e propostas de pesquisa demonstravelmente inovadoras, baseadas em evidências anteriores e alinhadas aos objetivos e orientações de pesquisa fornecidos pelos cientistas. O design do sistema incorpora uma abordagem de geração, debate e evolução de hipóteses, inspirada no método científico e acelerada pela ampliação do poder computacional no momento do teste. As principais contribuições incluem: (1) uma arquitetura multiagente com um framework de execução de tarefas assíncrono para ampliação flexível do poder computacional; (2) um processo de evolução de torneio para geração de hipóteses autoaperfeiçoantes. Avaliações automatizadas mostram benefícios contínuos do poder computacional no momento do teste, melhorando a qualidade das hipóteses. Embora de propósito geral, focamos o desenvolvimento e validação em três áreas biomédicas: reposicionamento de medicamentos, descoberta de novos alvos e explicação de mecanismos de evolução bacteriana e resistência antimicrobiana. Para o reposicionamento de medicamentos, o sistema propõe candidatos com descobertas de validação promissoras, incluindo candidatos para leucemia mieloide aguda que mostram inibição de tumores in vitro em concentrações clinicamente aplicáveis. Para a descoberta de novos alvos, o co-cientista de IA propôs novos alvos epigenéticos para fibrose hepática, validados por atividade antifibrótica e regeneração de células hepáticas em organoides hepáticos humanos. Por fim, o co-cientista de IA recapitulou resultados experimentais não publicados por meio de uma descoberta paralela in silico de um novo mecanismo de transferência genética na evolução bacteriana. Esses resultados, detalhados em relatórios separados e co-temporâneos, demonstram o potencial de aprimorar a descoberta biomédica e científica e inaugurar uma era de cientistas capacitados por IA.

English

Scientific discovery relies on scientists generating novel hypotheses that undergo rigorous experimental validation. To augment this process, we introduce an AI co-scientist, a multi-agent system built on Gemini 2.0. The AI co-scientist is intended to help uncover new, original knowledge and to formulate demonstrably novel research hypotheses and proposals, building upon prior evidence and aligned to scientist-provided research objectives and guidance. The system's design incorporates a generate, debate, and evolve approach to hypothesis generation, inspired by the scientific method and accelerated by scaling test-time compute. Key contributions include: (1) a multi-agent architecture with an asynchronous task execution framework for flexible compute scaling; (2) a tournament evolution process for self-improving hypotheses generation. Automated evaluations show continued benefits of test-time compute, improving hypothesis quality. While general purpose, we focus development and validation in three biomedical areas: drug repurposing, novel target discovery, and explaining mechanisms of bacterial evolution and anti-microbial resistance. For drug repurposing, the system proposes candidates with promising validation findings, including candidates for acute myeloid leukemia that show tumor inhibition in vitro at clinically applicable concentrations. For novel target discovery, the AI co-scientist proposed new epigenetic targets for liver fibrosis, validated by anti-fibrotic activity and liver cell regeneration in human hepatic organoids. Finally, the AI co-scientist recapitulated unpublished experimental results via a parallel in silico discovery of a novel gene transfer mechanism in bacterial evolution. These results, detailed in separate, co-timed reports, demonstrate the potential to augment biomedical and scientific discovery and usher an era of AI empowered scientists.