Sciencemag.cz
Doporučujeme
Výzkumníci z australské Monash University a dalších institucí vyvinuli nástroj generativní umělé inteligence, který má napodobovat práci vědců a podporovat a urychlovat proces vědeckých objevů. Systém LLM4SD (Large Language Model 4 Scientific Discovery) podle autorů dokáže provádět základní kroky vědeckého výzkumu, tj. vyhledávat užitečné informace z literatury a vytvářet hypotézy na základě analýzy dat. Je volně dostupný a má otevřený zdrojový kód.
Podobné nástroje již existují, LLM4SD se od nich ale má lišit jednou zásadní věcí. Poskytuje totiž také zdůvodnění, jak se z dat dostal ke svým závěrům; takovou funkci jiné systémy údajně postrádají. LLM4SD byl testován na 58 samostatných výzkumných úlohách týkajících se vlastností molekul ve čtyřech různých vědeckých oblastech: fyziologii, fyzikální chemii, biofyzice a kvantové mechanice.
Hlavní autor práce Yizhen Zheng z Monash University uvádí, že nástroj čte desítky let vědecké literatury a analyzuje laboratorní data, aby pak dokázal odpovědět na otázky typu: „Může tento lék projít hemoencefalickou bariérou mozku?“, „Rozpouští se tato sloučenina ve vodě?“ apod. Tím, že nefunguje jako černá skřínka, má zvyšovat důvěryhodnost svých výsledků. Navíc vědci třeba mohou použít jen část úvahy a dojít ke svým vlastním závěrům, ale s inspirací.
„Spíše než aby nahrazoval tradiční modely strojového učení, LLM4SD je vylepšuje tím, že syntetizuje znalosti a vytváří interpretovatelná vysvětlení,“ uvádí spoluautorka studie Jiaxin Ju z australské Griffith University.
Při návrhu nástroje bylo cílem, aby maximálně kopíroval postupy, které používají samotní vědci. Jako hlavní využití je zmiňováno objevování nových léků (poznámka PH: asi i proto, že jde spíš o mravenčí práci než typ úlohy, kterou by vyřešil okamžitý geniální nápad).
Yizhen Zheng et al, Large language models for scientific discovery in molecular property prediction, Nature Machine Intelligence (2025). DOI: 10.1038/s42256-025-00994-z
Zdroj: Monash University / TechXplore.com
