Önmagától képes molekulákat előállítani egy robotizált laboratórium segítségével egy új mesterséges intelligencia (AI): a Coscientist nevű rendszer, amit a Nature folyóiratban szerdán közölt tanulmányban mutattak be, a jövőben felgyorsíthatja a kémiai kutatásokat, és új jelenségek, reakciók felfedezéséhez vezethet.

Az OpenAI által márciusban kiadott, a ChatGPT prémium verzióját is hajtó GPT-4 algoritmusára épülő rendszert Daniil Boiko, az amerikai Carnegie Mellon Egyetem AI-kutatója és kollégái hozták létre. „A pillanat, amikor láttam, hogy egy nem biológiai intelligencia képes autonóm módon megtervezni és végrehajtani emberek által feltalált kémiai reakciókat, lenyűgöző volt” – mondta a kutatást vezető kémikus, Gabe Gomes, aki szerint ez az első alkalom, hogy egy mesterséges intelligencia alapú rendszer ilyesmire képes volt.

Az AI-modellek és -algoritmusok az elmúlt években egy sor tudományterületen hoztak jelentős áttörést, így például a molekuláris biológiában, az időjárás-előrejelzésben vagy a rákdiagnózisban, és a nagy nyelvi modellek (LLM) már tudományos felfedezéseket is tesznek. Gomes szerint ugyanakkor a laborban dolgozó kutatóknak, vagy azoknak, akik nem annyira jók a kódolásban, az eddigi megoldások nem igazán voltak hozzáférhetők.

A Carnegie Mellon kutatóival párhuzamosan más csoportok is dolgoznak nagy nyelvi modellek által működtetett robotkémikusokon. Andres Bran, a Lausanne-i Svájci Állami Műszaki Egyetem (EPFL) kutatója kollégáival szintén egy GPT-4 alapú mesterséges intelligenciát fejlesztett ki, ami képes volt egy elterjedten alkalmazott rovarriasztó hatóanyagot, a DEET-t leszintetizálni.

Az áttöréshez a laboratóriumi automatizációs technológiák és a szerves anyagok szintézisére képes robotok fejlődésére is szükség volt, amiket többek között Lee Cronin brit kémikus alapozott meg. Cronin, aki gyógyszerkutatásokra alkalmas kémiai számítógépek fejlesztésén és a földi élet eredetének megértésén dolgozik a Glasgow-i Egyetemen, a Nature-nek elmondta: „Ez nagyszerű demonstrációja annak, hogy miként lehet felkutatni a szakirodalmat a nagy nyelvi modellekkel, hogy megvalósítható kémiai reakciókhoz találjanak ötleteket.”

A Coscientist fejlesztői tisztában vannak azzal, hogy egy internetre kötött robotkémikus potenciális biztonsági kockázatokat jelent. Gomes szerint felelősnek és átgondoltnak kell lenni, hogy miként vetik majd be ezeket a technológiákat. A szakember azt állítja, az ilyen AI-rendszerek képességeinek és korlátainak megértése az első lépés egy olyan szabályozás lefektetése felé, amely hatékonyan gátat szab a mesterséges intelligencia káros felhasználásának.

Nem veszi el a kémikusok munkáját

Miután egy kutató a szervereken futó Coscientistnek ad egy promptot, vagyis bemeneti parancsot (például, hogy folytasson le egy adott kémiai reakciót), a rendszer „tervező” modulja elkezd ehhez internetes keresésekkel információt gyűjteni. A kutatók eredményei szerint a Coscientist az esetek felében a Wikipédiáról veszi az ehhez szükséges információkat, de vezető kémiai folyóiratok is ott vannak a legtöbbet használt források között. Egy további lépésben emellett beszerzi azt a dokumentációt is, ami a kísérleteket a valós fizikai környezetben elvégző automatizált eszközök vezérlésének megértéséhez szükséges.

A Coscientist ezután megírja a kísérletek lefolytatásához szükséges kódot, amely a – folyadékkezelőből, fűthető rázógépből és egy UV–látható fény tartományban működő spektrométerből álló – laboratóriumi hardvert vezérli. A kódot aztán le is futtatja, és az automatizált gépek végrehajtják a kémiai reakciókat. A rendszert hat különböző feladaton tesztelték, amelyek során sikeresen megtanulta és végrehajtotta több gyógyszermolekula, köztük az aszpirin vagy a paracetamol szintézisét is.

A kutatók szerint ezáltal sikerült igazolni a rendszer sokoldalúságát, valamint azt, hogy fejlett logikai, valamint kísérlettervezési képességekkel komplex tudományos problémákat tud megoldani. Végül arra voltak kíváncsiak, hogy képes-e a Coscientist egy olyan kémiai reakciót magától lefuttatni, amelynek évtizedekkel korábban történt kidolgozásáért Richard Heck, Ei-ichi Negishi és Akira Suzuki 2010-ben kémiai Nobel-díjat kapott.

Ez az úgynevezett palládium-katalizált keresztkapcsolási reakció új gyulladáscsökkentő és asztma-gyógyszerek, valamint az okostelefonokban, laptopokon és tévéképernyőkben használt OLED-kijelzők létrehozásához segített hozzá. Amikor a kutatók spektroszkópokkal megvizsgálták az áttetsző folyadék összetételét, világossá vált, hogy a Coscientist sikeresen végrehajtotta a Suzuki-Sonogashira reakciót.

Miután kollégái elmondták neki, hogy mi történt, Gomes azt hitte, hogy csak meg akarják tréfálni. „De nem, abszolút nem. Ekkor ébredtem rá, hogy létrehoztunk valamit, ami elképesztően fejlett képességekkel rendelkezik” – mondta a kutató. A Coscientist megalkotásával nem az volt a céljuk, hogy kiváltsák a kémikusokat, hanem hogy áthidalják a természet megszámlálhatatlan, felfedezésre váró titka és a képzett tudósok száma közt tátongó űrt, és felgyorsítsák a tudományos kutatást.

A robotkémikus a szakemberek szerint lényegében folyamatosan tud kísérletezni, és ellenőrizni, hogy a kísérleti eredmények megismételhetők-e. „Van egy eszközünk, amely autonóm módon tud futni új jelenségek, új reakciók, új ötletek felfedezéséhez. Ez egyben le is tudja csökkenteni a belépési küszöböt lényegében bármilyen területen” – mondta Gabes. Így például egy biológus, aki nem ismeri a Suzuki-Sonogashira reakció részleteit, promptolhatja a Coscientistet, hogy végezze el neki kísérleteket.

A Coscientisthez hasonló eszközök valószínűleg egyre elterjedtebbek lesznek majd a jövőben, mondta a Nature-nek Tiago Rodrigues, a Lisszaboni Egyetem gyógyszerkémikusa. „Elképzelhetőnek tartok egy olyan jövőt, ahol az automatizált hardverbe be vannak építve ezek az AI-segédek. Az önvezérlő laboratóriumoké a jövő, és AI-eszközökre van szükség a tervezési-gyártási-tesztelési folyamat teljes automatizálásához” – mondta. A szakember szerint ezekre a rendszerekre jelenleg leginkább rutinfeladatokat lehet rábízni, és a bonyolultabb kutatási problémákat, például a gyógyszerfelfedezés terén, még mindig nem tudják megoldani – komplexitásuk mellett azért sem, mert azok a kémiai mellett biológiai tudást is igényelnek.