கிட்டத்தட்ட தன்னாட்சி AI வேதியியலாளர், மருந்து வேதியியலின் சவாலான வினையை மேம்படுத்துகிறது

அறிவியலில் OpenAI-இன் பணி ஓர் எளிய நம்பிக்கையால் ஊக்கப்படுத்தப்படுகிறது: விஞ்ஞானிகளுக்கு சக்திவாய்ந்த கூட்டாளியாக மேம்பட்ட AI மாறி, மேலும் பல யோசனைகளை ஆராய, தொலைவிலுள்ள கருத்துகளை இணைக்க, சிறந்த பரிசோதனைகளை வடிவமைக்க, மனிதகுலத்திற்கு பயனளிக்கும் கண்டுபிடிப்புகளை வேகப்படுத்த உதவ முடியும். கணிதத்தில் புதிய முடிவுகளுக்கு மாடல்கள் பங்களித்த ஆரம்ப எடுத்துக்காட்டுகளை நாங்கள் ஏற்கெனவே பகிர்ந்துள்ளோம்; அதில் யூனிட் டிஸ்டன்ஸ் பிரச்சினை⁠ குறித்த பணி, கோட்பாட்டு இயற்பியலில் க்ளூயான் ஆம்ப்ளிட்யூட்கள்⁠ குறித்த புதிய முடிவு, மேலும் உயிரியல் துறையில், தானியக்க ஆய்வகத்தில் செல்-இல்லா புரதத் தொகுப்பின் செலவைக் குறைக்க⁠ GPT‑5 உதவியது ஆகியவை அடங்கும். உயிர் அறிவியல் ஆராய்ச்சி மற்றும் மருந்துக் கண்டுபிடிப்பு பணிப்பாய்வுகளுக்கு ஆதரவளிக்கும் நோக்கத்துடன் உருவாக்கப்பட்ட மாடலான GPT‑Rosalind ஐயும்⁠ நாங்கள் அறிமுகப்படுத்தியுள்ளோம். 

இந்தத் திட்டம் அந்தப் பயணப்பாதையை மருந்தியல் வேதியியல் துறைக்குள் விரிவாக்குகிறது, அங்கு முன்னேற்றத்தை ரீஸனிங் மட்டுமே கொண்டு அளவிட முடியாது. ஒரு கருதுகோள், உண்மையான மூலக்கூறுகள், கருவிகள் மற்றும் பரிசோதனை சார்ந்த இரைச்சல் ஆகியவற்றுடன் ஆய்வகத்திலும் செயல்பட வேண்டும். Molecule.one⁠(புதிய சாளரத்தில் திறக்கும்) உடன் இணைந்து பணியாற்றி, நாங்கள் GPT‑5.4‑ஐ Maria-வுடன் இணைத்தோம்—தன்னாட்சி ஆராய்ச்சிக்காக உயர்-த்ரூபுட் ஆய்வகத்துடன் ஒருங்கிணைக்கப்பட்டுள்ள ஏஜென்ட் சார்ந்த வேதியியல் AI—மேலும் அதற்கு ஒரு திறந்த இலக்கை கொடுத்தோம்: முக்கியமான பல வினை வகைகளில் ஒன்றை மேம்படுத்துவது. அமைப்பு ஆய்வு முன்மொழிவுகளை உருவாக்கியது, பரிசோதனைகளை வடிவமைத்து நடத்தியது, பரிசோதனைத் தரவை பகுப்பாய்வு செய்தது, மேலும் தொடர்ச்சியான பரிசோதனைகளை முன்மொழிந்தது. ஸ்டியரிங் மற்றும் கிரேடிங் ப்ராம்ப்ட்களை வடிவமைத்து, சோதிக்க வேண்டிய முன்மொழிவுகளைத் தேர்ந்தெடுப்பதன் மூலம் மனிதர்கள் செயல்முறையில் தொடர்ந்து ஈடுபட்டிருந்தனர். அவர்கள் பரிசோதனைத் திட்டங்களில் சில வரையறுக்கப்பட்ட திருத்தங்களையும் செய்தனர், அடிப்படை ஆய்வகச் செயல்பாடுகளில் உதவினர், மேலும் இறுதி முடிவை சுயமாக உறுதிப்படுத்தினர்.

மிகவும் நம்பிக்கைக்குரிய முன்மொழிவான OAI-M1-03, கார்பன்-நைட்ரஜன் பிணைப்புகளை உருவாக்க வேதியியலாளர்கள் பயன்படுத்தும் வேதிவினையான சான்-லாம் இணைப்பின் கடினமான ஆனால் பயனுள்ள வடிவத்தை மையப்படுத்தியது. செயல்முறை வேதியியலுக்காக சான்-லாம் இணைப்பை மேம்படுத்தும் திறந்த இலக்கிலிருந்து தொடங்கி, GPT‑5.4 முதன்மை சல்ஃபோனமைட்களை சவாலான, உயர் மதிப்புள்ள சப்ஸ்ட்ரேட் வகுப்பாக சுயமாக அடையாளம் கண்டது; TEMPO உட்பட மென்மையான ஆக்சிஜனேற்றிகள் வேதிவினையை மேம்படுத்தலாம் என்றும் பரிந்துரைத்தது. 

Maria ஆய்வகத்தில் நடந்த இரண்டு பரிசோதனைச் சுழற்சிகளில் அந்த யோசனை குறிப்பிடத்தக்க மேம்பாட்டை அளித்தது. மேம்படுத்தப்பட்ட நிபந்தனைகளில், சோதிக்கப்பட்ட போரானிக் அமிலங்களில் 88% மற்றும் சல்ஃபோனமைடுகளில் 83% ஆகியவற்றுக்கு அளவிடப்பட்ட கிடைக்கும் அளவுகள் மேம்பட்டன. சராசரி கிடைக்கும் அளவு 16.6%-இலிருந்து 25.2%-ஆக உயர்ந்தது; 30% கிடைக்கும் அளவைத் தாண்டிய வேதிவினைகளின் பங்கு 15.6%-இலிருந்து 37.5%-ஆக அதிகரித்தது. பின்னர் பிரதிநிதித்துவ வேதிவினைகளை பெஞ்ச் அளவில் மனித வேதியியலாளர்கள் மீண்டும் செய்தனர். அந்தப் பரிசோதனைகள் மைக்ரோலிட்டர் அளவிலான முடிவுகளை உறுதிப்படுத்தின; 14 சப்ஸ்ட்ரேட் ஜோடிகளில் 11-க்கு அதிக கிடைக்கும் அளவு காணப்பட்டது, பெரும்பாலான சந்தர்ப்பங்களில் இரண்டு மடங்குக்கும் மேல் அதிகரிப்பு இருந்தது. இது முக்கியமானது; ஏனெனில் மருந்தியல் வேதியியலாளர்களுக்கு மைக்ரோலிட்டர் ஸ்கிரீனிங் பரிசோதனைகளில் மட்டுமல்ல, மருந்து கண்டுபிடிப்பில் பயன்படுத்தப்படும் நடைமுறை ஆய்வக பணிப்பாய்வுகளிலும் செயல்படும் வேதிவினைகள் தேவை.

மருந்து வேதியியலின் இந்தப் பகுதியில் ஏற்பட்ட முன்னேற்றங்கள் குறிப்பாக உற்சாகமளிப்பவையாக உள்ளன. மருந்து கண்டுபிடிப்பில் வேதியியல் தொகுப்பு பெரும்பாலும் ஒரு முக்கிய தடையாக இருக்கிறது: விஞ்ஞானிகள் தாங்கள் உருவாக்கக்கூடிய அல்லது வேறு வழிகளில் பெறக்கூடிய மூலக்கூறுகளையே சோதிக்க முடியும். சல்ஃபோனமைடு குழு புற்றுநோய் எதிர்ப்பு மருந்துகள், நுண்ணுயிர் எதிர்ப்பு மருந்துகள் மற்றும் சிறுநீர்ப்பெருக்கிகள் உள்ளிட்ட பரந்த அளவிலான சிகிச்சைத் துறைகளில் உள்ள மருந்துகளில் காணப்படுகிறது. இருப்பினும், போரானிக் அமிலங்களுடன் முதன்மை சல்ஃபோனமைடுகளின் சான்–லாம் இணைப்பு வரலாற்று ரீதியாக குறைந்த கிடைக்கும் அளவுகளையே வழங்கியுள்ளது. வினையின் இந்த வடிவத்தை மேலும் நம்பகமானதாக மாற்றுவது, மருந்தியல் வேதியியாளர்களுக்கு பயனுள்ள மூலக்கூறுகளை உருவாக்கவும் ஆராயவும் பரந்த மற்றும் நடைமுறைக்கு ஏற்ற வழியை வழங்கும்.

இது இன்னும் ஒரு ஆரம்பகட்ட முடிவாக இருந்தாலும், நாம் நோக்கி பணியாற்றும் பரந்த திசைக்கான மற்றொரு தெளிவான உதாரணமாக இது அமைகிறது: ஆராய்ச்சி செயல்முறைச் சுழற்சியின் பெரும்பகுதியில் அறிவியலாளர்களுக்கு மதிப்புமிக்க கூட்டாளிகளாக மாறக்கூடிய AI அமைப்புகள். மாடல் ஆய்வு இலக்கியங்களை மதிப்பாய்வு செய்தது, எதிர்பாராத யோசனையை முன்மொழிந்தது, பரிசோதனைகளை வடிவமைத்து பகுப்பாய்வு செய்ய உதவியது, மேலும் மனித வேதியியலாளர்கள் மதிப்பீடு செய்யக்கூடிய அறிவியல் கண்டறிதலை எட்டியது.

கரிம வேதியியல் அனைத்து சிறு-மூலக்கூறு மருந்துகளுக்கும், வேளாண்மை, மின்னணுவியல் மற்றும் பொருள் அறிவியல் துறைகளில் உள்ள தயாரிப்புகளுக்கும் அடித்தளமாக உள்ளது. ஒரு வேதி வினை பலவகையான தொடக்கப் பொருட்களில் ஒரே வகையான வேதிப் பிணைப்பை நம்பகமாக உருவாக்க முடிந்தால், அது குறிப்பாக பயனுள்ளதாக இருக்கும். வேதிவினைகள் குறைந்த விளைச்சலை அளிக்கும் போது அல்லது மிக அதிகமான விரும்பத்தகாத துணை விளைபொருட்களை உருவாக்கும் போது, வேதியியலாளர்கள் இல்லையெனில் நம்பகமான மூலக்கூறுகளை கைவிட வேண்டியிருக்கலாம் அல்லது வேறு வழிமுறையை உருவாக்க கணிசமான நேரத்தை செலவிட வேண்டியிருக்கலாம். இதனால், மருந்து கண்டுபிடிப்பில் சேர்மம் ஒரு பெரிய தடையாகிறது: விஞ்ஞானிகள் பொதுவாக தாங்கள் தயாரிக்கக்கூடிய அல்லது வேறு வழிகளில் பெறக்கூடிய மூலக்கூறுகளையே சோதிக்க முடியும்.

சான்–லாம் இணைப்பு மருத்துவ வேதியியலில் பயனுள்ளதாக உள்ளது, ஏனெனில் இது கார்பன்-நைட்ரஜன் பிணைப்புகளை உருவாக்குகிறது. இவை மருந்துகளில் பொதுவாக காணப்படுகின்றன. இருப்பினும், இந்த வினை ஒவ்வொரு மூலக்கூறு வகையிலும் ஒரே அளவுக்கு சிறப்பாகச் செயல்படாது. குறிப்பாக, முதன்மை சல்ஃபோனமைடுகளை போரோனிக் அமிலங்களுடன் இணைக்கும் வினைகள் வரலாற்றில் குறைந்த கிடைக்கும் அளவுகளையே அளித்துள்ளன. சல்ஃபோனமைடுகள் புற்றுநோயியல் மற்றும் தொற்றுநோய்களில் பயன்படுத்தப்படும் மருந்துகளில் காணப்படும் முக்கியமான மூலக்கூறுகளின் குடும்பமாகும். இந்த வினையை மேலும் நம்பகமானதாக மாற்றுவது, மருந்தியல் வேதியியலாளர்களுக்கு பயனுள்ளதாக இருக்கக்கூடிய மூலக்கூறுகளை உருவாக்கவும் ஆராயவும் விரிவானதும் நடைமுறைக்கு ஏற்றதுமான வழியை வழங்கக்கூடும்.

ஒருங்கிணைந்த அமைப்பு ஒன்றுக்கொன்று துணைபுரியும் திறன்களை இணைத்தது. Maria AI உடன் பணியாற்றும் விஞ்ஞானிகள் எழுதிய ப்ராம்ப்ட்கள், ஆயிரக்கணக்கான சாத்தியமான ஆராய்ச்சி முன்மொழிவுகளை உருவாக்கி தரவரிசைப்படுத்த GPT‑5.4 உடன் ஒரு ஹார்னஸ் கட்டமைப்பிற்குள் பயன்படுத்தப்பட்டன. அமைப்பின் மதிப்பீட்டின்படி மிக உயர்ந்த தரவரிசை பெற்ற முன்மொழிவுகளின் சிறிய துணைத்தொகுப்பை மனித வேதியியலாளர்கள் மதிப்பாய்வு செய்து, ஆய்வகச் சோதனைக்காக நான்கைத் தேர்ந்தெடுத்தனர். Maria AI பின்னர் தேர்ந்தெடுக்கப்பட்ட உயர்-நிலைத் திட்டங்களை விரிவான ஆய்வக வழிமுறைகளாக மாற்றி, ஆயிரக்கணக்கான உயர்-த்ரூபுட் பரிசோதனைகளை நடத்தி, மூலத் தரவை பகுப்பாய்வு செய்து, கட்டமைக்கப்பட்ட முடிவுகளை GPT‑5.4‑க்கு திருப்பி அனுப்பியது. 

தேர்ந்தெடுக்கப்பட்ட நான்கு முன்மொழிவுகளில் ஒன்றான OAI-M1-03, சல்ஃபோனமைடு தொகுப்பிற்கான சான்-லாம் வினையின் செயல்திறனை மேம்படுத்த TEMPO போன்ற மிதமான ஆக்சிஜனேற்றிகளைப் பயன்படுத்துமாறு பரிந்துரைத்தது. வேதியியலாளர்கள் அந்தப் பரிந்துரை ஆச்சரியமளிப்பதாகவும் சுவாரஸ்யமானதாகவும் இருப்பதாகக் கருதினர். OAI-M1-03-இலிருந்து கிடைத்த விரிவான கண்டறிதல்களை இந்த வலைப்பதிவு இடுகையிலும் ஆய்வுக் கட்டுரையிலும்⁠(புதிய சாளரத்தில் திறக்கும்) பகிர்கிறோம்.

இறுதி ஆராய்ச்சி முன்மொழிவு, பின்னர் மனிதர்களால் செய்யப்பட்ட சிறிய திருத்தங்களுடன், பரிசோதனை கிரிட்களை உருவாக்க மரியாவால் பயன்படுத்தப்பட்டது. மனிதர் செய்த மிகப் பெரிய திருத்தம், டைமெத்தில் சல்ஃபாக்சைடு, அல்லது DMSO, கரைப்பானாகப் பயன்படுத்தப்படுவதைத் தவிர்ப்பதாக இருந்தது. வேதியியலாளர்கள், ஒப்பீடுகளுக்குப் பயன்படுத்தப்பட்ட அதிக வலிமையான ஆக்சிசனேற்றிகளுடன் அது வினைபுரியக்கூடும் என்று கவலைப்பட்டனர்.

முழு செயல்முறை மூன்று மாதங்கள் ஆகும், முதல் ப்ராம்ப்ட் 4 மார்ச் முதல் சுயாதீன நிபுணர்களுடன் OAI-M1-03 முடிவுகளை 4 ஜூன் அன்று பகிர்ந்துகொண்டதுவரை.

மனித வேதியியலாளர்கள் செயல்முறை முழுவதும் முக்கியமான முடிவுகளை எடுத்ததால், இந்த பணிப்பாய்வை முழுமையாக தன்னாட்சியுடையது அல்ல, கிட்டத்தட்ட தன்னாட்சியுடையது என நாங்கள் விவரிக்கிறோம். மாடல் முக்கிய ஆராய்ச்சி யோசனைகளை முன்மொழிந்தது, மனித வேதியியலாளர்கள் உயர் நிலை வழிநடத்தலும் மதிப்பீடும் வழங்கினர், பரிசோதனை விவரங்களைத் திருத்தினர், ஆய்வக நுகர்பொருட்கள் மற்றும் வினைப்பொருட்களைத் தயாரிக்க உதவினர், மேலும் முக்கிய பரிசோதனைகளை கைமுறையாக மீண்டும் செய்தனர்.

இங்கு ஆய்வு செய்யப்பட்ட முதன்மை சல்போனமைடு Chan-Lam இணைப்பு வினைக்கு TEMPO ஒரு பயனுள்ள சேர்க்கைப் பொருளாக OAI-M1-03 அடையாளம் கண்டது. உகப்பாக்கப்பட்ட நிலைமைகளில், வினை இரண்டு வகைகளில் மேம்பட்டது: சராசரி கிடைக்கும் அளவு அதிகரித்தது, மேலும் அதிகமான சப்ஸ்ட்ரேட் சேர்க்கைகள் நடைமுறையில் பயனுள்ள கிடைக்கும் அளவு அளவுகளை எட்டின.

இரண்டு சுழற்சிகளில், மரியா மொத்தம் 10,080 வினைகளை நடத்தினார் – ஒவ்வொரு நாளும் மூன்று வினைகளை நடத்தும் ஒரு வேதியியலாளர் பத்து ஆண்டுகளில் நடத்துவதை விட அதிகம். அந்த அளவு முக்கியமானதாக இருந்தது, ஏனெனில் வேதியியல் முடிவுகள் சில எடுத்துக்காட்டுகளில் மட்டுமே சோதிக்கப்படும்போது தவறான புரிதலை ஏற்படுத்தக்கூடும். ஒரு வினை, ஒரு ஜோடி தொடக்கப் பொருட்களில் நம்பிக்கையளிப்பதாகத் தோன்றலாம், ஆனால் பரந்த தொகுப்பிலான மூலக்கூறுகளில் தோல்வியடையலாம். ஆயிரக்கணக்கான வேதி வினைகள், சோதிக்கப்பட்ட பத்து ஆக்சிஜனேற்றிகளில் TEMPO-வை அடையாளம் காணவும், பல்வேறு சேர்க்கைகளில் அந்த விளைவு மீண்டும் நிகழ்வதைக் காணவும், அதன் வரம்புகளைக் கண்டறியவும் சாத்தியமாக்கின.

முதல் சுற்றுத் தரவுகளைப் பகுப்பாய்வு செய்த பிறகு, பின்தொடர் கருதுகோள்களைச் சோதிப்பதற்காக, அதிக கவனம் செலுத்தப்பட்ட இரண்டாம் சுற்று பரிசோதனைகளை அமைப்பு முன்மொழிந்தது. ஒரு பயனுள்ள தொடர்ச்சியான கண்டறிதல் என்னவென்றால், செயல்திறனில் மிகக் குறைந்த இழப்புடன் TEMPO-வை மிகவும் மலிவான 4-hydroxy-TEMPO என்ற இணைப்பொருளால் மாற்ற முடியும்.

மரியா லேப்பின் மைக்ரோலிட்டர் அளவிலான ஸ்கிரீனிங் வடிவத்தைக் கடந்தும் அந்த முடிவு நிலைத்திருந்தது. மனித வேதியியலாளர்கள் பிரதிநிதித்துவ வினைகளை ஆய்வக மேசை அளவில் கைமுறையாக மீண்டும் செய்து, 11 சப்ஸ்ட்ரேட் ஜோடிகளில் 14-இல் கிடைக்கும் அளவு அதிகரித்ததை கவனித்தனர்; எட்டு ஜோடிகளில் அந்த அதிகரிப்பு இரு மடங்குக்கும் அதிகமாக இருந்தது. அவ்வாறு மீண்டும் செய்வது முக்கியம். ஏனெனில் மிகச் சிறிய அளவிலான பரிசோதனைகள் சில நேரங்களில் பெரிய அளவில் மறைந்து போகும் செயற்கை விளைவுகளை உருவாக்கக்கூடும். ஒரு அறிவியல் இதழில் ஆய்வு வெளியிடப்படுவதற்கு முன், ஆய்வக அளவிலான சரிபார்ப்பும் வழக்கமாக மேற்கொள்ளப்படுகிறது.

OAI-M1-03-ஐ விவரிக்கும் முன்பதிப்பை நான்கு வெளியக வேதியியல் நிபுணர்கள் மதிப்பாய்வு செய்தனர். அவர்களின் மதிப்பீடுகள், அந்த முடிவு புதுமையானது மற்றும் அறிவியல் சமூகத்துடன் பகிரத் தகுந்தது என்ற எங்கள் கருத்தை ஆதரித்தன. இன்னும் கடுமையான சோதனை அடுத்ததாக வரும்: சுயாதீன ஆய்வகங்கள் அந்த முடிவை மீண்டும் பெற முடியுமா, மேலும் வேதியியலாளர்கள் அதை இன்னும் விரிவான மூலக்கூறுகளின் வரம்பில் பயனுள்ளதாகக் காண்கிறார்களா என்பதே அது.

GPT‑5.4 ஆல் உருவாக்கப்பட்டு, மூன்று மாத காலப்பகுதியில் மரியாவால் சோதிக்கப்பட்ட மற்ற மூன்று முன்மொழிவுகளில், OAI-M1-02 மற்றும் OAI-M1-04 மரியா ஆய்வகத்தில் பரிசோதனை ரீதியாக நிரூபிக்கப்பட்டன, ஆனால் OAI-M1-01 தவறென நிரூபிக்கப்பட்டது. இந்த முடிவுகளின் பகுப்பாய்வு தொடர்ந்து நடைபெற்று வருகிறது.

இந்தப் பணி, கரிம வேதியியலில் ஒரு மாடல் பயனுள்ள பங்களிப்பைச் செய்ய முடியும் என்பதை காட்டுகிறது. அது ஆய்வு இலக்கியத்தைச் சுருக்குவதையோ அல்லது ஒரேமுறை செய்யும் பரிசோதனையைப் பரிந்துரைப்பதையோ விட அதிகம் செய்தது: அது குறிப்பிட்ட, ஆச்சரியமூட்டும் கருதுகோளை முன்மொழிந்து அதை மனித மதிப்பாய்விற்கு முன்வைத்தது, பரிசோதனைகளை வடிவமைத்தது, பரிசோதனைத் தரவை விளக்கியது, மேலும் அடுத்தகட்டப் பரிசோதனைகளையும் வடிவமைத்தது.

AI ஒரு வேதியியல் ஆராய்ச்சி திட்டத்தை தொடக்கம் முதல் முடிவு வரை சுயமாக நடத்த முடியும் என்பதை இது காட்டவில்லை. மனித தீர்மானம் தொடர்ந்து அத்தியாவசியமாக இருந்தது, மேலும் பணிநடை சிறப்பு உயர் த்ரூபுட் உள்கட்டமைப்பை சார்ந்திருந்தது. மேலும், இந்த முறை பிற இணைப்பு வினைகள், பிற வினைப்பொருள் வகைகள் அல்லது உற்பத்தி நிலைமைகளுக்கும் பொதுமைப்படுத்தப்படாது என்பதையும் இது நிரூபிக்கவில்லை.

மகசூல் மதிப்பீடுகள் உயர்-த்ரூபுட் தளத்திலிருந்து பெறப்பட்டன, மேலும் பெஞ்ச் சரிபார்ப்பு பிரதிநிதித்துவமான 14 சப்ஸ்ட்ரேட் ஜோடிகளை உள்ளடக்கியது. வினைச் செயல்முறையைச் சிறப்பியல்புகளுடன் விளக்க, வினைமூலப் பொருட்களின் வரம்பை வரையறுக்க, வெவ்வேறு ஆய்வக நிலைமைகளில் செயல்திறனை அளவிட, மேலும் முடிவை சுயாதீனமாக மீண்டும் உருவாக்க கூடுதல் பணிகள் தேவை.

வேதியியல் திறன்கள் கவனமாக கையாளப்பட வேண்டும், ஏனெனில் மருத்துவத்தையும் பொருள் அறிவியியலையும் ஆதரிக்கக்கூடிய அதே கருவிகள் தவறாகவும் பயன்படுத்தப்படக்கூடும். மருந்தைப் போன்ற மூலக்கூறுகளை உருவாக்கப் பயன்படுத்தப்படும் அறியப்பட்ட இணைப்பு வினையை மேம்படுத்துவது என்ற நியாயமான மருந்தியல் வேதியியல் பிரச்சினைக்குள் இந்தப் பணியை நாங்கள் திட்டமிட்டே வரையறுத்தோம். இந்தச் சோதனைகள் நச்சுகள், இரசாயன ஆயுதங்கள் அல்லது தீங்கு விளைவிக்கும் சேர்மங்களை வடிவமைக்குமாறு விடுக்கும் கோரிக்கைகள் ஆகியவற்றை உள்ளடக்கவில்லை. இந்த முடிவுகள், அந்த தீங்கு விளைவிக்கும் பயன்பாடுகளில் இந்த அமைப்பு உதவ முடியும் என்பதற்கான ஆதாரமாகக் கருதப்படக் கூடாது. திட்டம் அதைச் சோதிக்கவோ நிரூபிக்கவோ இல்லை.

மேம்பட்ட மாடல் திறன்களால் உருவாகும் அபாயங்களை, இரசாயன மற்றும் உயிரியல் துறைகளுடன் தொடர்புடைய அபாயங்கள் உட்பட, எங்கள் பிரிபேர்ட்நெஸ் ஃப்ரேம்வொர்க்⁠ மூலம் நாங்கள் மதிப்பீடு செய்து தணிக்கிறோம். இந்தப் பணியில் பயன்படுத்தப்பட்ட மாடல் ஏற்கனவே UK AI பாதுகாப்பு நிறுவனத்துடன் தொடர்புடைய மதிப்பீடுகளுக்கு உட்படுத்தப்பட்டிருந்தது, மேலும் தீங்கு விளைவிக்கும் பயன்பாடுகளை மையமாகக் கொண்ட கோரிக்கைகளை நிராகரிக்கும் வகையில் அமைப்பு வடிவமைக்கப்பட்டது. சோதனைப் பணிப்பாய்வு கட்டுப்பாட்டின் மற்றொரு அடுக்கைச் சேர்த்தது: எந்த முன்மொழிவுகள் ஆய்வகத்துக்குள் நுழைய வேண்டும் என்பதை மனித வேதியியலாளர்கள் தேர்ந்தெடுத்தனர், சோதனைத் திட்டங்களை மதிப்பாய்வு செய்தனர், மேலும் இயற்பொருள் உள்கட்டமைப்பின் மீதான கட்டுப்பாட்டைத் தக்கவைத்துக் கொண்டனர்.

பரிசோதனை வேதியியலில் AI-இன் திறனை ஆய்வு செய்வதற்கான பொறுப்பான வழி இதுவே என்று நாங்கள் நினைக்கிறோம்: தெளிவான அறிவியல் மதிப்புள்ள பிரச்சினைப் பரப்பைத் தேர்ந்தெடுப்பது, மாடல்-நிலை பாதுகாப்புகளை நிபுணர் மேற்பார்வையுடன் இணைப்பது, மற்றும் கட்டுப்படுத்தப்பட்ட பௌதிகப் பரிசோதனைகள் மூலம் அமைப்பை மதிப்பிடுவது. இந்த திறன்கள் மேம்படும் போது, உருவெடுத்து வரும் அபாயங்களை நாங்கள் தொடர்ந்து மதிப்பீடு செய்வோம், பாதுகாப்பு நடவடிக்கைகளை வலுப்படுத்துவோம், மேலும் ஒரு முடிவு எதை குறிக்கிறது, எதை குறிக்கவில்லை என்பதைத் தெளிவாகக் குறிப்பிடுவோம்.

உடனடி அடுத்த படிகள் அறிவியல் சார்ந்தவை: தொடக்கப் பொருட்களின் பரந்த வரம்பைச் சோதித்தல், சேர்க்கைகள் வினையை ஏன் மேம்படுத்துகின்றன என்பதை ஆராய்தல், அந்த விளைவு எங்கு செயல்படுகிறது மற்றும் எங்கு தோல்வியடைகிறது என்பதை கண்டறிதல், மேலும் சுயாதீனமாக மீண்டும் செய்து உறுதிப்படுத்துவதற்கு ஆதரவு அளித்தல். ஒட்டுமொத்தமாக, இந்த ஆய்வுகள் இந்த முறையை எவ்வளவு பரவலாகப் பயன்படுத்த முடியும் என்பதையும், நடைமுறை மருந்தியல் வேதியியல் பணிப்பாய்வுகளில் அது எவ்வளவு பயனுள்ளதாக உள்ளது என்பதையும் தீர்மானிக்கும்.

எங்கள் நீண்டகால இலக்கு, ஆராய்ச்சியாளர்கள் கருதுகோள்களை உருவாக்கவும், பரிசோதனைகளை வடிவமைக்கவும், முடிவுகளை விளக்கிப் புரிந்துகொள்ளவும், அடுத்து எதைச் சோதிக்க வேண்டும் என்பதை முடிவு செய்யவும் உதவும் நம்பகமான அறிவியல் கூட்டாளர்களாக AI அமைப்புகளை உருவாக்குவதாகும். அதே நேரத்தில் அவை நிபுணர் மதிப்பீடு, நம்பகமான அளவீடு மற்றும் வலுவான பாதுகாப்பு நடவடிக்கைகளில் உறுதியாக நிலைநிறுத்தப்பட்டிருக்க வேண்டும். கரிம வேதியியல் என்பது குறிப்பாக மிகுந்த தாக்கத்தை ஏற்படுத்தக்கூடிய துறையாகும், ஏனெனில் சிறிய மூலக்கூறுகளின் கண்டுபிடிப்பு மற்றும் உற்பத்தியில் ஏற்படும் முன்னேற்றம், மூலக்கூறுகளை நம்பகத்தன்மையுடன் உருவாக்கும் திறனைச் சார்ந்துள்ளது. விஞ்ஞானிகள் தாங்கள் உருவாக்கக்கூடிய மூலக்கூறுகளையே சோதிக்க முடியும். மேலும், மேம்பட்ட தொகுப்பு முறைகள் மருத்துவம், வேளாண்மை, மின்னணுவியல், ஆற்றல் மற்றும் பொருட்கள் அறிவியல் ஆகிய துறைகளில் அவர்கள் ஆராயக்கூடிய யோசனைகளின் வரம்பை விரிவுபடுத்தும். இந்த முடிவு அந்த விரிவான திசையின் ஆரம்பகால எடுத்துக்காட்டுகளில் ஒன்றாகும். அதிநவீன மாடல், சிறப்புப் பயிற்சி பெற்ற ஏஜென்ட்கள், தானியக்க ஆய்வகம், மற்றும் மனித வேதியியலாளர்கள் ஆகியோர் இணைந்து, ஆராய்ச்சி சுழற்சியில் வேகமாக முன்னேறி, அறிவியல் சமூகம் மதிப்பீடு செய்து, மீண்டும் உருவாக்கி, அதன் மீது மேலும் கட்டமைக்கக்கூடிய கண்டுபிடிப்புகளை உருவாக்குகின்றனர்.

இந்தப் பணியை மதிப்பாய்வு செய்த Molecule.one குழுவினருக்கும் சுயாதீன வேதியியலாளர்களுக்கும் நாங்கள் நன்றியுள்ளவர்களாக இருக்கிறோம்.