AI Co‑Scientist ของ Google DeepMind ทำงานอย่างไร เมื่อ AI หลายตัวช่วยกันคิด โต้แย้ง และคัดเลือกสมมติฐานวิทยาศาสตร์

• หาแนวทางรักษาโรคบางชนิด
• อธิบายกลไกทางชีววิทยาที่ซับซ้อน

จากนั้นระบบ AI จะดำเนินขั้นตอนที่สอดคล้องกับ กระบวนการวิทยาศาสตร์ (scientific method) ได้แก่

• สังเคราะห์ความรู้จากงานวิจัยเดิม
• เสนอสมมติฐานใหม่
• ตรวจสอบกับหลักฐานที่มีอยู่
• เสนอแนวทางการทดลองเพื่อพิสูจน์

จุดเด่นคือ แนวคิดต่าง ๆ จะไม่ถูกยอมรับทันที แต่จะต้องผ่านการวิจารณ์และแข่งขันกันภายในระบบ

“Idea tournaments” การแข่งขันของสมมติฐาน

นวัตกรรมสำคัญของ Co‑Scientist คือแนวคิด idea tournaments ซึ่งเป็นกระบวนการให้สมมติฐานหลายแบบแข่งขันและพัฒนาต่อกันเป็นรอบ ๆ

ขั้นตอนหลักโดยทั่วไปมีสามช่วง

1. สร้างสมมติฐาน – เอเจนต์ AI เสนอคำอธิบายหรือกลไกที่เป็นไปได้หลายแนวคิด
2. การถกเถียงและวิจารณ์ – เอเจนต์อื่นตรวจสอบแนวคิดเหล่านี้กับวรรณกรรมและหลักฐานที่มี เพื่อหาจุดอ่อนหรือสมมติฐานที่ขาดไป
3. การจัดอันดับและวิวัฒน์แนวคิด – แนวคิดที่แข็งแรงกว่าจะถูกเก็บไว้ ขณะที่แนวคิดอ่อนจะถูกปรับปรุง ผสม หรือถูกตัดออก

เมื่อทำซ้ำหลายรอบ ระบบจะค่อย ๆ กลั่นกรองแนวคิดจนกลายเป็น สมมติฐานที่มีเหตุผลมากขึ้นและสามารถทดสอบในห้องแล็บได้จริง

แนวทางนี้ตั้งใจเลียนแบบวิธีที่ชุมชนวิทยาศาสตร์พัฒนาความรู้ผ่านการ peer review การอภิปราย และการทดลองซ้ำ

อีกข้อได้เปรียบคือ AI สามารถวิเคราะห์ฐานข้อมูลวิทยาศาสตร์และงานวิจัยจำนวนมหาศาลได้พร้อมกัน ซึ่งเป็นงานที่มนุษย์ทำได้ยากในเวลาสั้น

ตัวอย่างการทดลองด้านชีวการแพทย์

การทดลองช่วงแรกของ Co‑Scientist เน้นไปที่ ชีววิทยาและการแพทย์ ซึ่งเป็นสาขาที่มีข้อมูลจำนวนมหาศาลและต้องการแนวคิดใหม่ ๆ อย่างต่อเนื่อง

ตัวอย่างหนึ่งคือการใช้ AI เพื่อช่วยค้นหา การนำยาที่มีอยู่แล้วมาใช้รักษาโรคใหม่ (drug repurposing) สำหรับโรคพังผืดในตับ หรือ liver fibrosis ซึ่งปัจจุบันยังมีตัวเลือกการรักษาจำกัด

งานวิจัยที่ถูกจัดเก็บในฐานข้อมูล PubMed ระบุว่าระบบ AI แบบ multi‑agent ถูกใช้เพื่อสร้างสมมติฐานเกี่ยวกับยาที่อาจใช้รักษาโรคนี้ และช่วยกำหนดทิศทางการทดลองในห้องปฏิบัติการ

ในการประเมินเชิงทดลอง นักวิจัยได้ทดสอบ ยาผู้สมัคร 25 ชนิด ที่ระบบช่วยเสนอ เพื่อดูประสิทธิภาพและความเป็นพิษของยา

ตามสรุปการวิจัยของ Google DeepMind ระบบสามารถช่วยระบุผู้สมัครยาบางตัวที่ถูกมองข้ามมาก่อน และหนึ่งในนั้นสามารถ ยับยั้งการตอบสนองที่เกี่ยวข้องกับการเกิดพังผืดได้ถึงประมาณ 91% ในการทดลองในห้องแล็บ

แม้ผลลัพธ์เหล่านี้จะน่าสนใจ แต่การค้นพบทางวิทยาศาสตร์ยังคงต้องผ่าน การทดลองในห้องปฏิบัติการและการตรวจสอบโดยผู้เชี่ยวชาญ ไม่ได้เกิดจาก AI เพียงอย่างเดียว

ส่วนหนึ่งของโครงการ “Gemini for Science”

Google กำลังนำ Co‑Scientist ไปใช้งานในกรอบโครงการที่ใหญ่กว่านี้ชื่อว่า Gemini for Science ซึ่งเป็นชุดเครื่องมือ AI ที่ออกแบบมาเพื่อเร่งขั้นตอนสำคัญของการค้นคว้าวิจัย

แพลตฟอร์มนี้รวมหลายระบบ เช่น

• Co‑Scientist สำหรับสร้างสมมติฐาน
• AlphaEvolve สำหรับการค้นพบเชิงคำนวณ
• เครื่องมือวิเคราะห์วรรณกรรมและช่วยวางแผนการทดลอง

แนวคิดคือช่วยให้นักวิทยาศาสตร์รับมือกับจำนวนงานวิจัยที่เพิ่มขึ้นอย่างรวดเร็ว และสร้างแนวคิดวิจัยใหม่ได้เร็วขึ้น

Google ยังร่วมมือกับ กระทรวงพลังงานสหรัฐ (U.S. Department of Energy – DOE) เพื่อให้ทีมนักวิทยาศาสตร์จาก ห้องปฏิบัติการแห่งชาติทั้ง 17 แห่ง เข้าถึงโมเดล AI สำหรับวิทยาศาสตร์ รวมถึง Co‑Scientist ผ่าน Google Cloud

สิ่งที่อาจเปลี่ยนอนาคตของงานวิจัย

DeepMind ไม่ได้ออกแบบ Co‑Scientist เพื่อแทนที่นักวิทยาศาสตร์ แต่ให้ทำหน้าที่เป็น เครื่องยนต์สร้างสมมติฐาน (hypothesis engine) ที่ช่วยเสนอแนวคิดใหม่ ๆ ให้นักวิจัยประเมินและทดสอบ

ความเปลี่ยนแปลงสำคัญอยู่ที่สถาปัตยกรรมของระบบ AI เอง

แทนที่จะให้โมเดลเดียวตอบคำถาม ระบบอย่าง Co‑Scientist ใช้ AI หลายตัวทำงานร่วมกัน คอยวิจารณ์และปรับปรุงเหตุผลของกันและกัน ซึ่งเหมาะกับปัญหาทางวิทยาศาสตร์ที่ซับซ้อนและต้องการการสำรวจแนวคิดหลายทาง

หากระบบแบบนี้ยังพัฒนาต่อไป และแนวคิดที่มันเสนอสามารถนำไปสู่ผลการทดลองจริงได้อย่างสม่ำเสมอ ก็มีโอกาสที่จะ เร่งความเร็วของการค้นพบทางวิทยาศาสตร์ในช่วงต้นของงานวิจัยได้อย่างมาก

อย่างไรก็ตาม ขั้นตอนสุดท้ายยังเหมือนเดิมเสมอ: วิทยาศาสตร์ที่แท้จริงยังต้องพิสูจน์ในห้องแล็บ