Некоммерческая организация FutureHouse, поддерживаемая Эриком Шмидтом и сосредоточенная на создании «ИИ-учёного», запустила платформу с четырьмя инструментами искусственного интеллекта, призванными ускорить научные открытия. Это Crow для поиска и ответов по научной литературе, Falcon для глубоких обзоров, Owl для выявления предыдущих работ и Phoenix для планирования химических экспериментов, пишет TechCrunch.
Crow: умный поиск по научной литературе
Crow — это универсальный инструмент для поиска научной литературы, который выдаёт лаконичные и академически выверенные ответы на исследовательские вопросы. Созданный на базе PaperQA2, Crow показал сверхчеловеческие результаты в извлечении и обобщении научной информации, обойдя в тестах исследователей уровня PhD и постдоков в биологии. В отличие от обычных поисковых агентов, которые ограничиваются аннотациями, Crow анализирует полные тексты научных статей, позволяя глубоко копать в детали экспериментальных протоколов или ограничений исследований.
Crow особенно ценен для учёных, которые хотят встроить ИИ в свои рабочие процессы через API-доступ. Агент использует продвинутую систему оценки качества, отдавая приоритет статьям из надёжных источников, а не популяризаторским материалам. Это шаг к миссии FutureHouse — сделать научные открытия доступнее, помогая исследователям справляться с лавиной научной литературы, которая тормозит современную науку.
Falcon: глубокий анализ литературы
Falcon — специализированный агент для обзоров научной литературы, который впечатляет масштабом и точностью. В отличие от других инструментов, он способен одновременно обрабатывать огромное количество статей, сохраняя высокую точность анализа. Благодаря доступу к специализированным базам, таким как OpenTargets, Falcon копает глубже, чем обычные поисковики, находя информацию, которая часто ускользает.
Агент умеет выявлять закономерности в большом массиве исследований, находить противоречия или пробелы в литературе и создавать всесторонние обзоры, на которые у человека ушли бы дни или недели. В сравнительных тестах Falcon показал более высокую точность поиска, чем исследователи уровня PhD. Это делает его незаменимым для учёных, работающих над масштабными обзорами, мета-анализами или изучением спорных научных тем.
Owl: поиск предыдущих работ
Owl (ранее известный как HasAnyone) отвечает на ключевой вопрос учёных: «Делал ли кто-то это раньше?» Этот агент специализируется на поиске прецедентов с высокой полнотой, помогая избежать ненужного дублирования и находить неисследованные области. В отличие от традиционных инструментов, Owl оптимизирован для обнаружения предыдущих работ в огромных научных архивах, даже если они используют другую терминологию или опубликованы в малоизвестных изданиях.
Owl понимает тонкости научных прецедентов, различая похожие, но разные методики и подходы. Это особенно полезно при подготовке заявок на гранты, планировании экспериментов или патентных исследованиях, где пропуск существующей работы может привести к потере времени и ресурсов. В тестах Owl показал более высокую точность, чем ученые, и стал важной частью экосистемы FutureHouse, помогая ориентироваться в сложном мире научных знаний.
Phoenix: инструмент для планирования химических экспериментов
Phoenix — специализированный ИИ-инструмент от FutureHouse, разработанный для планирования химических экспериментов. Это продолжение проекта ChemCrow, ориентированное на более глубокий анализ химического пространства и проектирование экспериментов. Несмотря на то что Phoenix пока находится на экспериментальной стадии, он уже демонстрирует обнадеживающие результаты и продолжает активно совершенствоваться благодаря обратной связи от пользователей.
Система предлагает новые молекулярные соединения с учетом таких параметров, как растворимость, стоимость синтеза и наличие функциональных групп. Она прогнозирует исходы химических реакций, оценивает их осуществимость и разрабатывает лабораторные протоколы — в том числе делает рекомендации по синтезу или покупке необходимых соединений. Phoenix использует обширные химические базы данных и инструменты, автоматизирует рабочие процессы и доступен как через веб-интерфейс, так и через API, при этом сохраняет прозрачность своих решений, позволяя пользователю их отслеживать и анализировать.
Ключевые области применения Phoenix включают поиск соединений, связывающихся с белками, оценку новизны и экономической целесообразности молекул, оптимизацию экспериментальных протоколов и помощь в формулировании гипотез для химических исследований.
Следите за NEWS.am Tech на Facebook и Twitter