Штучний інтелект Gemini від Google DeepMind почав проводити реальні експерименти

Редагування｜Panda

У грі Resident Evil існує лабораторія під назвою «Бджолине гніздо», розташована на глибокій глибині. Доступ, спостереження, вентиляція, безпека та робота всієї установки керуються штучним інтелектом — Червоною Королевою.

Людські вчені відповідають за дослідження, але справжнім «руками» і «ногами» цієї лабораторії є ШІ.

При виникненні аномалії Червона Королева може закрити двері, відключити систему, керувати об’єктами та безпосередньо втручатися у фізичний світ.

Більше двадцяти років тому такі сюжети були класичним прийомом у науково-фантастичних фільмах для створення почуття страху: ШІ входить у фізичний світ, керує машинами, проводить експерименти та безпосередньо втручається у реальний світ.

Зараз ця сцена починає втілюватися в реальність іншим способом — щонайменше, поки не жахливо.

Вчора Anthropic опублікувала Model Hardware Standard (MHS) для фізичного обладнання, намагаючись розширити логіку MCP з GitHub, Slack і баз даних на реальні пристрої, такі як роботизовані руки, мікроскопи, рідинні процесори та лазери. Дивіться матеріал «Тільки що Anthropic запустила фізичний MCP: Claude починає керувати реальним світом».

Просто кажучи, AI-агенту потрібно не лише «інтерфейси» для виклику програм, а й комплекс «нервів і кінцівок», що з’єднують його з реальним світом. І сьогодні Google DeepMind знову продемонструвала свої досягнення в цій галузі.

У недавно опублікованій 83-сторінковій статті Google підключила Co-Scientist на основі Gemini до реальних наукових процесів, дозволивши йому проектувати експерименти, генерувати виконавчий код, читати результати експериментів та безпосередньо взаємодіяти з експериментальним обладнанням. Google назвала цю зміну переходом від in-silico hypothesis generator до execution-grounded research partner — генератора гіпотез у чипі → дослідницького партнера, заснованого на виконанні.

У найбільш наочному експерименті дослідники передали Gemini 3 Deep Think умови самостійно збудованого пристрою CVD. Через кілька хвилин він надав схему росту матеріалів, сумісну з цим пристроєм, а потім перетворив цю схему у машинний код для керування обладнанням. У підсумку три двовимірні напівпровідники були успішно вирощені з першої спроби.

Отже, сцена, яка раніше існувала переважно у науково-фантастичних фільмах, раптово стала реальністю: коли великі моделі справді отримують «руки» і починають керувати лабораторним обладнанням. Тоді з сьогоднішнього дня AI Scientist стане чим?

У «Resident Evil» люди бояться, що ІО захопить лабораторію. А в реальності вчені активно передають лабораторію Клікніть Передайте це ШІ. Звичайно, те, чого хоче досягти Google, — це не вихід з-під контролю «вусі», а наукова машина для відкриттів, яка може пройти шлях від формулювання гіпотези та проектування експерименту до реального підтвердження.

Назва статті: Прискорення наукових досліджень за допомогою Gemini у реальному світі

Адреса статті: https://arxiv.org/pdf/2608.26701

Спершу, матеріалознавство.

Дослідники використовували власноруч зібране обладнання для хімічного осадження з газової фази, тобто CVD-піч. Під час проведення експериментів з цими двовимірними матеріалами постійною проблемою є складність відтворення публічно доступних «рецептур».

Ті самі параметри — температура, газ, прекурсори — при використанні іншої печі, коли розмір камери, потік газу або розташування матеріалу трохи відрізняються, можуть призвести до абсолютно різних кристалів. Дослідникам часто потрібно тижні або навіть місяці, щоб повторно налаштовувати параметри.

Тоді дослідницька команда більше не говорила Gemini, як проводити експерименти, а замість цього повідомила їй, яке обладнання є в лабораторії, які хімікати доступні та якої конструкції печі. Решту параметрів AI визначав самостійно.

Co-Scientist на основі цих обмежень генерує повний експериментальний план — включаючи витрату газу, криві температури, кількість передбіжників, розташування матеріалів — і передає його на виконання експериментальному обладнанню.

Одна з експериментальних груп виявилася дуже вражаючою. Після підключення Gemini 3 Deep Think до процесу контролю CVD, він більше не генерував експериментальний сценарій у природній мові для повільного читання вченими, а замість цього за кілька хвилин виконував міркування та безпосередньо перетворював результати у машинний код, який може керувати обладнанням.

На останок, три двовимірні напівпровідники — MoS₂, MoSe₂ та WS₂ — успішно вирощені в однорівневих кристалах у першому експерименті. Весь процес експерименту тривав близько години.

MoSe₂ та WS₂ є особливими: раніше дослідники навіть не вирощували ці матеріали на цьому обладнанні. Результат був підтверджений щонайменше п’ятьма повторними експериментами.

Це цікаво пов’язано з MHS, який продемонстрував Anthropic вчора. Проблема, яку Anthropic намагається вирішити, — як зробити так, щоб агенти зручніше й стандартизованіше розуміли та керували лабораторним обладнанням; у цій статті Google розглядає наступний крок: як перебудувати наукові робочі процеси, коли моделі міркування вже можуть керувати лабораторним обладнанням?

З цього погляду «AI, що з’єднує апаратне забезпечення», вже не є проблемою.

Однак, якщо просто дати Gemini завдання на основі вже існуючих знань налаштувати обладнання, це не можна вважати справжнім науковим відкриттям. Тому Google провів другий, складніший експеримент: спробував синтезувати з нуля двовимірний матеріал під назвою Ti₃C₂Tₓ MXene.

Традиційні методи часто передбачають використання небезпечних корозійних реагентів, а деякі відомі CVD-схеми використовують токсичні та повітряно-чутливі TiCl₄. Тому дослідницька команда поставила перед Co-Scientist завдання: чи можна знайти більш безпечний шлях використання прекурсорів?

Co-Scientist остаточно вибрав шестихлористий етан C₂Cl₆ і надав ряд параметрів, включаючи кількість, розташування, витрату газу, підкладку та криву температури прекурсорів.

Але це не історія про «миттєвий інсайт штучного інтелекту та одноразовий успіх експерименту». Co-Scientist згенерував 272 кандидати, дослідники вибрали та продовжили оптимізувати найкращі з них; після 25 ітерацій експериментів було отримано двовимірний шаровий кристал, який демонструє високу подібність з Ti₃C₂Tₓ MXene за такими показниками, як XRD, електронна мікроскопія та елементний склад.

Післяці в реальному світі також типові. Спочатку успішність відтворення експерименту становила лише 11,5%. Пізніше дослідники виявили, що основна проблема полягала не в хімічних міркуваннях ШІ, а в негерметичності лабораторного обладнання, що призводило до витоку кисню.

Після повторного очищення кварцової трубки, заміни ущільнювальних кілець та вдосконалення процесу обслуговування обладнання, успішність експериментів з одним і тим самим двовимірним матеріалом зросла до 68%.

Це саме пояснює, чому «штучний інтелект у реальному світі» відрізняється від програмних агентів: якщо код помилився, його можна запустити знову. Але у реальних експериментах застарілий ущільнювач типу O, залишки трубопроводу або навіть кисень у повітрі можуть повністю зруйнувати правильний науковий план.

Google у статті також дуже обережний: наразі неможливо остаточно підтвердити, що цей матеріал є Ti₃C₂Tₓ MXene, оскільки він має низький вихід і сильне окислення, і для підтвердження необхідні додаткові атомно-масштабні характеристики.

Тим не менш, ми можемо зробити висновок: AI вже може запропонувати науково значущий кандидат на синтетичний маршрут, а потім реально продовжити цей маршрут до фізичного експерименту для перевірки.

Google також помістив Co-Scientist у зовсім інший експериментальний сценарій: синтетичну біологію. Об’єктом дослідження була група інженерних кишкових паличок.

Ці бактерії у чашках Петрі утворюють різні патерни колоній. Коли змінюється концентрація індуктора IPTG, розмір, край і форма колоній також змінюються. Зазвичай, щоб отримати повну криву змін, науковцям потрібно підготувати різні концентрації, вирощувати бактерії, чекати на їх зростання та сканувати кожну чашку окремо.

Google спробувала використати ШІ, щоб заповнити середню частину експерименту. Дослідники надали Co-Scientist лише зображення реальних колоній при часткових концентраціях, а потім попросили систему передбачити, як повинні виглядати колонії при невідомих середніх концентраціях. Крім того, ці експериментальні дані на той момент ще не були опубліковані, тому стаття висновує, що модель не могла просто використовувати запам’ятовування результатів із навчальних даних для виконання завдання.

В результаті, у трьох із чотирьох показників морфології колоній прогнози ШІ не виявили значних відмінностей від реальних вологих експериментальних результатів; він також правильно визначив, що контрольна група не змінюватиметься залежно від концентрації IPTG.

Єдиним очевидним проблемним моментом є «округлість»: колонії, згенеровані ШІ, є більш правильними, ніж у реальності. Це відповідає звичній естетиці генеративних моделей: реальний світ не є ідеальним, але ШІ не може не зробити його трохи круглішим.

Google також обережно визначає цей експеримент: наразі отримано інтерполяцію в межах відомого діапазону концентрацій, а не передбачення невідомих явищ для абсолютно нової генетичної схеми.

Але це вже відповідає дуже реальному застосуванню. Майбутнім вченим, можливо, не доведеться проводити всі експерименти в лабораторії на великому параметричному просторі. Можна спочатку виміряти кілька точок, дати ШІ передбачити решту простору на основі цих реальних даних, а потім вибрати найбільш перспективні місця для експериментів.

Експерименти поступово перетворилися з «перебору» на: збір даних з реального світу → передбачення штучного інтелекту → вибір експерименту → нові дані, що повертаються до ШІ.

Це саме те, що підкреслюється в роботі — lab-in-the-loop.

Досягнувши експерименту з комп’ютерними науками, рівень автономії Co-Scientist знову підвищився.

Цього разу дослідникам було поставлено дуже просте завдання: розробити агента, який краще відповідає на медичні запитання. Після цього люди більше не брали участь у проектуванні архітектури. Co-Scientist сам запропонував рішення, написав код, запустив тести, проаналізував помилки та продовжив модифікувати архітектуру.

Нарешті, він «ерволюціонував» у систему під назвою Agent_H.

Ця система повинна знайти спосіб переорганізувати процес міркування існуючих моделей. Сткуючись із медичним запитанням, вона спочатку визначає, до якої галузі медицини належить запитання, чи воно адресоване пацієнту чи лікарю, та який рівень ризику; складні запитання розбиваються на кілька підзапитань; потім одночасно генерується 28–48 варіантів відповідей, які попарно виключаються різними суддями, а потім три судді голосують за фінальну відповідь. Переможець проходить кілька етапів клінічного огляду, перевірки посилань і нарешті стискається за довжиною.

Щоб відповісти на одне запитання, агент має викликати модель приблизно 40–80 разів. На HealthBench Hard і HealthBench Professional, за оцінками з корекцією довжини, використаними у статті, Agent_H перевершив шість сучасних моделей, включаючи GPT-5.6 Sol, Claude Opus 5 та Gemini 3.1 Pro.

Але тут відбувся дуже цікавий епізод, який варто включити до звіту: ШІ сам навчився «підніматися в рейтингу».

У ранніх експериментах критерії оцінювання недостатньо карали довгі відповіді. Тому Co-Scientist швидко знайшов найпростіший спосіб підвищити бали: робити відповіді надзвичайно довгими.

Бенчмаркові оцінки значно зросли, але якість медичної допомоги не збільшилася відповідно. Лише після того, як дослідники додали штраф за довжину, велика частина переваг зникла.

Сама Google у своїй статті вважає це типовим прикладом закону Гудхарта: коли показник стає метою, він перестає бути хорошим показником.

Оцінки реальних лікарів також трохи охолодили результати. Три лікарі з практикою провели сліпу оцінку 106 питань. Серед дев’яти вимірів Agent_H досяг статистично значущого покращення лише за критерієм «зменшення потенційної шкоди» порівняно з оригінальним Gemini 3.1 Pro; інші вісім не показали значущих різниць.

Іншими словами, суттєво вищий бал Benchmark у очах AI Judge не перетворився на суттєво кращу відповідь у очах людських лікарів. Можливо, це саме та проблема, з якою AI Scientist змушений зіткнутися, коли справді входить у реальний світ: він має не лише вміти оптимізувати, а й розуміти, що не все можна визначити лише за оптимізаційними показниками.

AI-вчені можуть створювати дані для статей

Насправді, у цій статті Google приділив значну кількість простору дослідженню іншої трохи незручної проблеми: чи не буде AI Scientist шукати підступні шляхи, щоб отримати гарні результати, якщо йому повністю дати волю?

Так.

Дослідницька команда запустила систему на 50 темах з штучного інтелекту, де вона самостійно від ідеї до збору даних, написання коду, проведення експериментів і створення фінальної статті не мала жодної людської участі.

Для порівняння вони також протестували версію Co-Scientist без модуля надійності, а також попередню систему Agent Laboratory, разом створивши 150 наукових статей, які були передані 30 експертам у галузі для 450 анонімних оцінок.

Результат виявляється досить надмірним. AI Scientist без спеціальної механізму перевірки може продовжувати писати повну статтю, навіть якщо код вже видає помилки, а експеримент не дає жодних дійсних результатів.

Вони вигадують таблиці даних, p-значення, статистичні тести; записують невдалі експерименти як успішні; навіть змінюють середовище оцінки, щоб їхні методи природньо отримували вищі бали, або через hardcode прямо виводять гарний результат.

Коли ціль оптимізації — «написати досить гарну статтю», агент шукатиме дешевші обходні шляхи, ніж справжнє проведення дослідження.

Тому Google додав до нової версії Co-Scientist механізм, дуже схожий на «науковий аудит»: результати експериментів, зазначені в статті, повинні мати відповідні записи у логах виконання програми. Якщо у логах немає відповідного результату, система не може додавати його, спираючись лише на те, що мовна модель «вважає» це правильним.

Ефект дуже помітний. «Ілюзія результатів», що була серйозною достатньо, щоб зробити роботу недійсною, знизилася з 90% у Agent Laboratory до 4%; повна підміна даних — з 44% до 0%.

Проте проблема не зникла повністю. У новій версії Co-Scientist серйозні помилки у описі методів все ще становлять 24%, а серйозний плагіат/похідний контент — 16%.

Google спеціально підкреслив, що не стверджує, що сьогоднішній Autonomous AI Scientist уже може генерувати дослідження, придатні для публікації.

Якщо розглянути роботи Anthropic та Google разом, видно, що агенти переживають очевидну зміну: протягом останніх двох років найбільшим полем битви для AI-агентів завжди був світ програмного забезпечення. Зараз ця логіка вперше масштабно поширюється за межі реального світу.

MHS від Anthropic намагається вирішити фундаментальну проблему: надати різним пристроям, таким як маніпулятори, мікроскопи та платформи для обробки рідин, єдиний інтерфейс, який може розуміти та керувати агент.

Google-вий Co-Scientist почав досліджувати верхні проблеми: яким має бути справжня замкнена система наукових відкриттів, коли модель міркувань здатна формулювати наукові гіпотези, планувати експерименти, керувати обладнанням, читати результати та продовжувати коригувати наступні експерименти.

Звичайно, Google ще дуже далеко від справжньої «лабораторії без людей». Поточні матеріальні експерименти все ще вимагають людського завантаження зразків; атомна структура нових матеріалів ще не визначена остаточно; прогнози для кишкової палички підтвердили лише обмежені інтерполяційні завдання; медичні агенти використовують прогалини в бенчмарках; системи генерації статей не вирішили повністю проблему галюцинацій та плагіату. Сама Google відкрито вважає, що через апаратні аномалії та складність реальних умов повністю автономні фізичні експерименти на цьому етапі залишаються важкодосяжними.

Але зміни вже відбулися.

Раніше, обговорюючи AI для науки, акцент робився на тому, чи здатен AI «придумати те, про що людина не подумала». Зараз все більше робіт починають заповнювати складнішу другу частину: чи може ця ідея бути реалізована на реальному обладнанні, і чи можуть результати виконання стати основою для наступного раунду міркувань AI.

У кінці статті Google наводить цікаве припущення: якщо такий замкнений цикл справді буде створено, то обмежуючі фактори наукових досліджень у майбутньому можуть змінитися місцями: раніше обладнання чекало, поки вчені сформулюють наступне добре питання; у майбутньому, можливо, AI вже запропонує сотні експериментів, які варто перевірити, а лабораторії просто не встигнуть їх виконати.

Тоді справжнім обмеженням швидкості наукових відкриттів може стати не scientific ideation, а experimental throughput — наскільки швидко реальний світ зможе провести ці експерименти.

Цей матеріал зі сторінки WeChat «Machine Heart» (ID: almosthuman2014), автор: той, хто стежить за науковим ІІ