Propast mezi teorií a praxí
Dnes jsem do umělé inteligence nahrál celou svou výzkumnou knihovnu. 6576 vědeckých článků. Položil jsem si otázku, o které jsem léta usilovně přemýšlel.
Odrážejí oficiální slovníky určené ke kódování termínů mého oboru to,jak si praktičtí odborníci skutečně myslí?
Zabývám se zoonotickým skokem infekcí — způsobem, jakým nemoci přecházejí ze zvířat na člověka. Stejně jako ve většině vědeckých oborů máme formální ontologie — kurátorské katalogy pojmů, které mají za cíl udělat pořádek. Měl jsem podezření, že jsou příliš povrchní.
Tak jsem se přestal hádat a rozhodl se udělat test.
Systém analyzoval 490 z těchto článků zaměřených právě na přeskok a vznik nových patogenů. Z textu extrahovala kauzální tvrzení, sestavila slovní zásobu “zdola nahoru” a porovnala ji s oficiálním standardem.
Rozchod byl obrovský.
Z 915 vazeb opakovaně zmiňovaných v literatuře nemělo 864 * analogy* v referenčním schématu. V mém malém vzorku bylo přítomno 1200 koncepčních kategorií, ale ve formálních schématech chyběly. Týkalo se to hlavně ekologických řidičů a ekologie. Skutečný pracovní jazyk je jen malá část mého oboru čtyřikrát bohatší než oficiální.
Tenhle experiment mě stál 26 dolarů.
Nástroj, Ne Model
Byla to zkušební jízda Claude Science, kterou dnes Anthropic spustil. Jejich cíl? Udělat pro laboratorní výzkum totéž, co Claude Code udělal pro vývojáře softwaru.
Je to odvážná sázka. Před šesti měsíci Zubayr Jandali tvrdil, že AI může pomáhat s digitálními úkoly v oblasti životních věd. Dnes se zaměření změnilo: AI může dělat práci sama.
To je háček. Claude Science není nový model.
Anthropic to otevřeně prohlašuje. Systém funguje na bázi Claude Opus 4. Stejný “motor”, který si pronajímají všichni ostatní. Žádné tajné váhy. Žádný zvláštní přístup. Inteligence je identická.
To, co se mění, je* rozhraní * (nebo “uzdy”).
Z hlediska AI je rozhraní rámeček. Z univerzálního modelu se stává nástroj. Připojení k datům, spuštění kódu, paměti, bezpečnostní kontroly. “Nahá” modelka může spekulovat o veverce. Model vybavený rozhraním přijímá strukturální data, minimalizuje možnost proteinu na GPU clusteru, vizualizuje výsledek a loguje každý krok, aby byla zajištěna Reprodukovatelnost.
Claude Science představuje seriózní rozhraní.
Je připojena k více než šedesáti vědeckým databázím.
– Jsou zabudovány hotové dovednosti pro genomiku, chemii a strukturální biologii.
– Správa úkolů probíhá jak na vašem notebooku, tak na pronajatých cloudových GPU.
– Každý výstup je doprovázen úplným uvedením původu: kód, prostředí a historie konverzace jsou zabaleny pro následnou regeneraci výsledků.
Dělá to model chytřejší?
Ne. Díky tomu je užitečná. Což je mnohem cennější.
Výpočetní biolog by si polovinu této funkce mohl sestavit sám pomocí Claude Code a Githubu, přičemž by strávil několik týdnů. Ale to naznačuje, že každá laboratoř má zdroje, aby vytvořila svůj nástroj od nuly. Anthropic sází na to, že kurátorství je důležitější než duplikace úsilí. Přeměna surového výpočetního výkonu na spolehlivou vědu.
Farmacie-první, zbytek-později
V demoverzi byl důraz kladen na objev nových léků.
Podle jedné věty ve formě dotazu Claude naplánovala kampaň na stabilizaci enzymu spojeného s fenylketonurií. Skenovala 2200 molekul na 80 GPU. Zúžila seznam na čtyři kandidáty. Sepsala memorandum s doporučením ano / ne.
Poté provedla stejný proces pro 100 vzácných onemocnění najednou.
“Proč s tím přestat?”zeptal se mluvčí. “Lze zpracovat 10 000.”
Působivé? Ano.
Molekulárně omezené? Absolutně.
Každá databáze a partnerský model jsou zaměřeny na farmaceutickou vědu. Geny, proteiny, malé struktury. Tam, kde jsou peníze. OpenAI a Google cíleně pracují stejným směrem.
Ale zbytek vědy zůstává otevřený.
Vědy o Zemi. Atmosférická data. Ekologie. Sociální vědy. Velká část epidemiologie.
Žádná z těchto směrů není ve fázi startu nastavena. Údaje, na kterých se tyto oblasti spoléhají — záznamy o biologické rozmanitosti z GBIF, klimatická reanalýza, údaje ze sčítání lidu, dálkové snímání — chybí v úvodních šedesáti databázích. “Suchá” laboratorní práce v terénní ekologii a dynamice populací zůstává nevyužitým územím.
Je snadné si představit, jak by to mohlo fungovat.
Představte si rozhraní zaměřené na studium zoonóz. Shromažďuje údaje o výskytu druhů. Přináší klimatickou reanalýzu. Vybírá distribuční model. Zaznamenává kraje, kde se přenosný patogen (přenášený klíšťaty) s vysokou pravděpodobností začne šířit v příští sezóně.
Vydává zprávu pro epidemiologický dohled. Generuje grafy.
Svírá týdny rutinního shromažďování dat do jedné afternoon pro ministerstvo veřejného zdraví. Intelektuální potenciál pro to již existuje. Chybí jen “kabeláž”. Spojka. Můj experiment za 26 dolarů je malým důkazem konceptu.
Soud, ne generování
Technologie se pohybují rychle. Urychlí všechny procesy.
Ale také jasně ukazují, kde jsou lidští vědci nepostradatelní.
Když se generace stane levnou, * úsudek * se stane úzkým místem. Audit, validace, Oprava. To jsou limitující faktory pro jakoukoli práci, která prochází obrazovkou.
Je to prostě dobrá, svědomitá věda.
Claude Science přichází s agentem “recenzentem”, který-flaguje špatné citace a neodpovídající čísla. V tuto chvíli je to stejný model, který testuje svůj vlastní závěr, nikoli nezávislý věštec. Ale směr se zdá správný.
Skutečným nebezpečím je regrese k průměrnosti.
Modely vyučované na stávající literatuře tuto literaturu dokonale odrážejí. “Mluví sami se sebou.”
Ale stejný nástroj, který zobrazuje konsensus, může také zobrazovat mezery. Spojení, které nikdo nekontroloval. Koncepty, které se používají všude, ale nikde nejsou definovány.
Utratil jsem 26 dolarů za hledání hranic toho, co jsem už napsal. A najít něco, co ještě nebylo představitelné? Je to těžší úkol.
A vypadá jako jediný zbývající problém, který je třeba vyřešit.
