Научните открития отдавна са двигателят на човешкия прогрес. Но с нарастващата сложност на глобалните предизвикателства – болести и продоволствена сигурност,  климатични промени и загуба на биологично разнообразие – темпото на революционните иновации парадоксално се е забавило. Именно преодоляването на тази пропаст стои в основата на фонда AI for Science на Google.org на стойност 20 млн. долара, създаден с цел да помогне на изследователите да постигат за години това, което преди е отнемало десетилетия.

Google.org обяви дванадесетте първи получатели на финансиране: академични институции, неправителствени организации и стартъпи, които прилагат напреднал изкуствен интелект към едни от най-трудните проблеми в съвременната наука. Освен ускоряване на откритията, всички избрани организации споделят ангажимент към отворената наука, като проектите им ще създават open-source набори от данни, инструменти и методологии в полза на глобалната научна общност далеч отвъд първоначалния им обхват.

Разкриване на тайните на живота и здравето с предиктивен AI

Експлозията от биологични данни изпревари традиционните методи за анализ, което забавя напредъка в медицината. Пет от финансираните проекти използват AI, за да превърнат биологията в по-предиктивна, превантивна и прецизна наука.

UW Medicine прилага своята технология Fiber-seq за създаване на дългочетящи карти на 99% от човешкия геном, който остава слабо изследван – работа, която може да разкрие генетичните корени на редки заболявания.

Cedars-Sinai Medical Center разработва BAN-map – AI-управлявана система, която анализира невронни данни и динамично настройва експериментите в реално време, подпомагайки разкриването на механизмите на мисленето и паметта при строги лабораторни ограничения.

Техническият университет в Мюнхен изгражда многостепенен базов модел, който свързва клетъчната активност с поведението на цели органи, позволявайки на клиницистите дигитално да симулират прогресията на заболявания и да тестват терапии преди прилагането им върху пациенти.

Институтът по инфекциозни болести към Университета Макерере използва AI рамки като EVE и AlphaFold, за да прогнозира как се развиват маларийните паразити, което позволява по-бързо откриване на лекарствена резистентност.

Spore.Bio преосмисля микробиологията с AI-базиран скенер, способен да открива опасни, лекарствено-устойчиви бактерии за под един час, вместо дни при конвенционалните методи.

Преосмисляне на глобалните хранителни системи

Климатичните промени и нарастващото население поставят безпрецедентен натиск върху земеделието. Няколко от финансираните организации използват AI, за да направят хранителните системи по-устойчиви, питателни и екологични.

The Sainsbury Laboratory стартира Bifrost – платформа, която използва AlphaFold3, за да прогнозира как имунните рецептори на растенията взаимодействат с патогени директно от геномни последователности, ускорявайки селекцията на устойчиви на болести култури.

Инициативата Periodic Table of Food изгражда AI-базирана система за картографиране на „тъмната материя“ на храните – хиляди неизвестни молекули, които влияят върху хранителната стойност и вкуса – поставяйки основите за по-здравословни диети.

Innovative Genomics Institute използва AI, за да разкодира микробиомите на кравите и да идентифицира генни взаимодействия, които могат да бъдат редактирани с цел значително намаляване на метановите емисии от животновъдството.

Опазване на биологичното разнообразие и устойчивостта на планетата

С ускоряването на екологичната деградация, причинена от човешка дейност, AI се превръща в ключов инструмент за разбиране и защита на животоподдържащите системи на планетата.

The Rockefeller University модернизира процесите за геномно секвениране чрез AI-базирана обработка на данни, ускорявайки създаването на висококачествени геномни референции за 1,8 млн. известни вида на планетата.

UNEP-WCMC се справя с необятни обеми от данни, като използва големи езикови модели за анализ на милиони научни записи и създава най-пълната досега карта на разпространението на 350 000 известни растителни вида.

Swiss Plasma Center към EPFL стандартизира данни от експерименти с термоядрен синтез по целия свят, позволявайки на AI модели да се обучават върху колективни резултати и ускорявайки пътя към надеждна, безвъглеродна енергия.

Университетът в Ливърпул разработва подход тип „Hive Mind“, който свързва автономни лабораторни роботи, учени (хора) и AI агенти за откриване на нови материали за мащабно улавяне на въглерод.

От ускорение към реално въздействие

В своята цялост фондът AI for Science отразява по-широка промяна в начина, по който се случват научните открития. Google.org цели не просто да ускори изследванията, а да гарантира, че ползите от тях ще се разпространяват широко, давайки възможност на учени по целия свят да се справят с предизвикателства, които доскоро изглеждаха нерешими.

Източник и изображение: Google blog