AI genererer ideer raskere enn laboratoriene kan teste dem – DeepMind slår alarm

Hvorfor dette haster nå

Denne flaskehalsen har konkrete konsekvenser. I legemiddelutvikling, for eksempel, kan AI raskt foreslå tusenvis av nye molekylkandidater, men klinisk validering forblir treg, dyr og kapasitetsbegrenset. Pushmeet Kohli, en leder hos DeepMind, har tidligere påpekt at selv om AlphaFold kuttet proteinstrukturprediksjon fra år til sekunder, er klinisk legemiddelvalidering fortsatt den uløste flaskehalsen . På samme måte blir gapet mellom AI-genererte ideer innen materialvitenskap og klimaløsninger og den fysiske testinfrastrukturen som er tilgjengelig for å validere dem, stadig større .

De fire prioriteringene DeepMind ber politikere og finansierer om å følge

DeepMinds essay skisserer fire konkrete prioriteringer for å lukke dette gapet :

1. Sikre utbredt tilgang til AI-agenter for forskere.
Behandle tilgang til AI-agenter som en strategisk prioritet, analogt med den historiske innsatsen for å gi forskere tilgang til superdatamaskiner. Forskere på tvers av institusjoner – ikke bare de ved godt finansierte laboratorier – trenger verktøyene for å generere og teste hypoteser .

2. Gjør nasjonal laboratorieinfrastruktur tilgjengelig for AI-drevet vitenskap.
Utvid og åpne opp fysiske laboratoriefasiliteter, som nasjonale laboratorier og delte høyhastighets testsentre, slik at bølgen av AI-genererte hypoteser systematisk kan valideres i den virkelige verden .

3. Utvikle nye finansieringsmodeller som støtter høyhastighetsvalidering.
Tradisjonelle tilskuddsstrukturer er for trege og for små til den skalaen testing AI kan kreve. Finansierer bør opprette mekanismer som eksplisitt støtter rask, storskala eksperimentell validering .

4. Reformere fagfellevurdering og evalueringsprosesser for agenttidsalderen.
Anmeldere bør selv få bruke AI-agenter, og nye rammeverk som «Human-AI Interaction Cards» er nødvendig for å sikre åpenhet, reproduserbarhet og tillit i agentassistert vitenskap .

Den større sammenhengen: En kjent utfordring

Dette er ikke DeepMinds første advarsel om validering. Et politisk notat fra selskapet i november 2024 hadde allerede identifisert gapet mellom digital og virkelig verden som en nøkkelutfordring, og forsker Pushmeet Kohli hadde offentlig flagget valideringsinfrastruktur som en av to gjenværende hovedflaskehalser for AI-akselerert vitenskap, ved siden av tilgjengelighet . Essayet fra juli 2026 representerer den mest fokuserte politiske uttalelsen om saken til dags dato.

Viktig presisering om datoer

Primærkilden for disse funnene er DeepMinds eget essay på deres offentlige policieside, publisert i juli 2026 . Noen tidlige rapporter viste feilaktig til et essay fra juli 2025; det ble ikke funnet noe essay om dette eksakte emnet fra juli 2025 i søkeresultatene. Innholdet i advarselen og de fire prioriteringene er konsistent på tvers av alle rapporteringskilder .