Krisitian Ponce je nosio kostim Indijane Džonsa kada je upoznao svog suosnivača, Teoa Šefera. Bilo je to na zabavi za Noć veštica 2023. godine, koju je organizovao Entrepreneur First, program za startape koji povezuje osnivače pre nego što pokrenu svoje ideje.
Njih dvojica su se odmah povezali, seća se Ponce. Šefer je studirao na MIT-u, gde je magistrirao u oblasti podvodnih autonomnih robota i radio u NASA-inom Jet Propulsion Labu, istražujući Jupiterove mesece u potrazi za vanzemaljskim životom. „Luda stvar,“ rekao je Ponce, smešeći se. „Ja sam dolazio sa Kalteka, bavio se bioinžinjerstvom,“ gde je radio na E. coli.
Njih dvojica su se povezali kroz priče o napornim poslovima laboratorijskih tehničara. Ponce (na slici gore levo) posebno se žalio na sav manuelni rad u genetičkom inženjeringu. Nisko rangirani laboratorijski tehničari mogu provesti sate sa naučnom špricom „pipetom“, ručno premeštajući tečnosti iz epruvete u epruvetu.
Pokušaji automatizacije ovog procesa nisu uspeli jer su roboti koji su u mogućnosti da to urade specijalizovani, skupi i zahtevaju posebne veštine programiranja. Svaki put kada naučnici treba da promene parametre eksperimenta — a to je stalno — morali bi da čekaju programera da programira robota, otkloni greške i slično. U većini slučajeva, lakše, jeftinije i preciznije je koristiti ljudsku radnu snagu.
Kompanija koju su osnovali, Tetsuwan Scientific, imala je cilj da reši ovaj problem modifikovanjem robota za laboratorije nižih troškova.
Ali onda su u maju 2024. godine, suosnivači gledali lansiranje proizvoda OpenAI sa više modela (onaj koji je naljutio Skarlet Džonson sa glasom sličnim njenom). OpenAI je prikazao ljude koji razgovaraju sa modelom.
To je bio nedostajući link koji je Tetsuwan Scientific trebao. „Gledamo ovo ludo brzinu napretka velikih jezičkih modela pred našim očima, njihove sposobnosti za naučno razmišljanje,“ rekao je Ponce.
Nakon demonstracije, Ponce je pokrenuo GPT-4 i pokazao mu sliku DNK gela. Model nije samo uspešno interpretirao šta slika prikazuje, već je zapravo identifikovao problem — neželjeni DNK fragment poznat kao „primer dimer“. Zatim je ponudio vrlo detaljan naučni savet o tome šta je uzrokovalo problem i kako da se izmeni uslovi da se to spreči.
To je bio „trenutak kad se upalila sijalica“, opisuje Ponce, kada su LLM modeli već bili sposobni da dijagnostikuju naučne rezultate, ali nisu imali „fizičku moć“ da zapravo sprovedu sugestije koje su davali.
Suosnivači nisu bili jedini koji su istraživali upotrebu AI u naučnom otkriću. Robotski AI naučnici mogu da se prate još od 1999. godine sa robotima Rosa Kinga „Adam“ i „Eva“, ali su zaista postali popularni sa nizom akademskih radova koji su počeli 2023. godine.
Međutim, problem koji je istraživanje Tetsuwan-a pokazalo bio je taj što nije postojao softver koji bi „preveo“ naučnu nameru — šta eksperiment traži — u robotsku izvršavanje. Na primer, robot nema način da razume fizičke osobine tečnosti koje usisava.
„Taj robot nema kontekst da zna. Možda je to viskozna tečnost. Možda će se kristalisati. Moramo mu to reći,“ rekao je on. Audio LLM modeli, sa smanjenim halucinacijama zahvaljujući RAG-u, mogu raditi sa stvarima „koje je teško kodirati.“
Roboti Tetsuwan Scientific nisu humanoidni. Kao što prikazuje slika, oni su kvadratna staklena struktura. Međutim, prave se da procenjuju rezultate i prave modifikacije samostalno, baš kao što bi to uradio čovek. Ovo uključuje izradu softvera i senzora kako bi roboti mogli da razumeju stvari poput kalibracije, karakterizacije klase tečnosti i drugih osobina.
Tetsuwan Scientific trenutno ima jednog alfa korisnika, La Jolla Labs, biotehničku kompaniju koja radi na RNA terapijskim lekovima. Roboti pomažu u merenju i određivanju efikasnosti doza. Takođe su prikupili 2,7 miliona dolara u pre-seed rundama koje su bile preopterećene, a predvodili su ih 2048 Ventures, Carbon Silicon Ventures, Everywhere Ventures, i neki uticajni biotehnički anđeli investitori.
Ponceove oči zasijaju kada govori o krajnjoj destinaciji ovog rada: nezavisni AI naučnici koji se mogu koristiti za automatizaciju celokupne naučne metode, od hipoteze do ponovljivih rezultata.
„To je najluđa stvar na kojoj možemo raditi. Svaka tehnologija koja automatizuje naučnu metodu, to je katalizator za hiperbolički rast,“ kaže on.
On nije jedini koji tako misli. Drugi koji rade na AI naučnicima uključuju neprofitnu organizaciju FutureHouse i Potato AI iz Sijetla.
