Empirical Research Assistance от Google: ИИ ускоряет научные открытия от эпидемиологии до космологии

Google Research активно внедряет систему искусственного интеллекта Empirical Research Assistance (ERA), которая призвана трансформировать методологию научных исследований и ускорить прорывные открытия. Впервые представленная в препринте в сентябре, эта система способна генерировать экспертное эмпирическое программное обеспечение. Изначально ERA продемонстрировала свою эффективность, предложив инновационные решения для шести разнообразных и сложных эталонных задач в различных областях, от клеточной биологии до нейронаук. С момента своего запуска, ученые Google и их академические партнеры активно развивают и используют ERA, чтобы испытать ее возможности и исследовать потенциальные применения в реальных сценариях.

Одним из наиболее значимых применений ERA стало развитие общественного здравоохранения. Изначально, система была использована для ретроспективного прогнозирования госпитализаций по COVID-19 в США, показав, что она может соответствовать или даже превосходить существующие инструменты, разработанные Центрами по контролю и профилактике заболеваний (CDC) и ведущими исследовательскими учреждениями. Развивая эти успехи, команда расширила функционал ERA для генерации прогнозов не только по COVID-19, но также по гриппу и респираторно — синцитиальному вирусу (РСВ). Эти проспективные прогнозы еженедельно предоставляются в режиме реального времени.

Помимо прогнозов гриппа, Google присоединился к круглогодичным онлайн-прогнозам CDC по госпитализациям COVID-19 на уровне штатов, а также к недавно запущенному центром для прогнозирования РСВ. Общедоступные рейтинговые таблицы для гриппа и COVID-19, которые ведет Николас Райх, профессор биостатистики из Университета Массачусетса в Амхерсте и консультант по этому проекту, показывают, что прогнозы Google стабильно находятся на верхних позициях. Внутренний анализ также подтверждает аналогично сильные результаты для РСВ, хотя для него и нет публичного рейтинга.

ERA демонстрирует свою универсальность, находя применение не только в здравоохранении, но и в таких фундаментальных областях, как космология. Одним из таких направлений является изучение космических струн — гипотетических дефектов в ткани пространства — времени, которые, как полагают, образовались в ранней Вселенной и, согласно предсказаниям, должны испускать гравитационное излучение. Однако расчет спектра этой излучаемой энергии остается нерешенной задачей, главным образом потому, что управляющие уравнения содержат сингулярности — математические точки, где значения стремятся к бесконечности, и традиционные модели перестают работать.

Для решения этой сложной задачи Google Research объединил ERA с системой Gemini Deep Think. Путем систематического исследования математических методов, способных справляться с сингулярностями, команда успешно вывела шесть общих решений и краткую формулу для асимптотического предела, результаты которых были опубликованы в марте. Этот пример наглядно иллюстрирует мощный потенциал совместного использования ERA с передовыми большими языковыми моделями (LLM) для достижения точных и новаторских решений на переднем крае научных исследований, позволяя преодолевать ограничения традиционных вычислительных методов и открывать новые горизонты в понимании фундаментальных физических явлений.

Эти усилия выходят далеко за рамки простых доказательств концепции, затрагивая реальные сценарии в эпидемиологии, геопространственном анализе и других областях. Использование ИИ, как в случае с ERA, показывает, как можно демократизировать доступ к мощности вычислительного моделирования, находить решения для неразрешенных проблем, извлекать более глубокие выводы из существующих наборов данных и выходить за рамки моделирования «черного ящика» для обнаружения интерпретируемых, механистически точных решений.