Onderzoekers aan de Carnegie Mellon University hebben significante vooruitgang geboekt in het bevorderen van de mogelijkheden van kunstmatige intelligentie (AI)-systemen op het gebied van wetenschappelijk onderzoek. Onder leiding van assistent-professor Gabe Gomes heeft het team een baanbrekend systeem genaamd Coscientist ontwikkeld, dat in staat is om scheikunde-experimenten te bedenken, plannen en uitvoeren.
Met behulp van grote taalmodellen zoals OpenAI’s GPT-4 en Anthropic’s Claude hebben de onderzoekers de mogelijkheden van Coscientist aangetoond. Het systeem kan de synthese van bekende verbindingen plannen, hardware-documentatie doorlopen, laboratoriuminstrumenten aansturen en optimalisatieproblemen oplossen. Het systeem werkt door middel van eenvoudige Engelse prompts en biedt een gebruiksvriendelijke ervaring aan onderzoekers.
Een van de opmerkelijke bijdragen van Coscientist is het potentieel om het “zwarte doos” probleem in het onderzoek op te lossen. Door elk stadium van het onderzoeksproces nauwkeurig bij te houden en te documenteren, zorgt het systeem ervoor dat het werk eenvoudig gereproduceerd kan worden. Dit verbetert niet alleen de transparantie, maar vergemakkelijkt ook samenwerking en validatie binnen de wetenschappelijke gemeenschap.
Bovendien is de Carnegie Mellon University van plan om in samenwerking met ECL in het begin van 2024 het eerste academische cloudlab te lanceren. Dit cloudlab biedt onderzoekers en samenwerkingspartners toegang tot meer dan 200 apparaten, waardoor ze op afstand en efficiënt experimenten kunnen uitvoeren. Gomes en zijn team streven ernaar om de ontwikkelde technologieën uit het Nature-artikel in het cloudlab te integreren, waarmee ze hun impact kunnen vergroten buiten de universiteit.
De implicaties van deze vooruitgang in AI voor wetenschappelijk onderzoek zijn verstrekkend. Door gebruik te maken van de kracht van AI-systemen zoals Coscientist kunnen onderzoekers hun begrip van complexe situaties vergroten, voorspellingen doen op basis van gegevens en grote datasets efficiënter analyseren. De potentie voor automatisering en optimalisatie in wetenschappelijk onderzoek is enorm, wat leidt tot versnelling van ontdekkingen en doorbraken op verschillende gebieden.
Terwijl AI onze kennis van de natuurlijke wereld blijft vergroten, wordt het onmisbaar in wetenschappelijk onderzoek en legt het de basis voor nieuwe ontdekkingen en innovaties. De ontwikkeling van systemen zoals Coscientist en de oprichting van cloudlabs tonen de spannende mogelijkheden die in het verschiet liggen, met een toekomst vol verbeterde samenwerking, reproduceerbaarheid en versnelde wetenschappelijke vooruitgang.
The source of the article is from the blog queerfeed.com.br