Gemini 4 Argon našel genetickou změnu, kterou software roky přehlížel

Obavy z podvodů, zneužití osobních údajů nebo nebezpečných autonomních systémů mají v debatě o AI své místo. Vedle nich ale existuje i méně nápadná práce: porovnat genetická data s odbornou literaturou, najít chybu v analytickém programu nebo navrhnout molekulu, kterou pak někdo skutečně vyrobí a otestuje. Právě na takové využití upozorňuje příspěvek účtu News from Google z 23. října.

Nejde o další premiéru modelu. Příklady pocházejí z oznámení Googlu ze 13. října, kdy se Argon otevřel platícím zákazníkům. O jeho ceně a dostupnosti jsme už psali samostatně. Tentokrát je zajímavější podívat se na to, jak může takový model pomoci lidem, kteří řeší něco obtížnějšího než další odpověď v chatu.

Genetická stopa, kterou běžný software vyřadil

Nejosobnější příběh popisuje společnost Gamow Labs ve zprávě o výzkumu novorozeneckých plicních onemocnění. Ve spolupráci s laboratoří Pawla Stankiewicze na Baylor College of Medicine pracovala s odidentifikovanými genomy 26 dětí. Šlo o případy, které nevyřešily prvotní klinické rozbory a které se dostaly ke specializovanému týmu.

Stankiewiczova laboratoř už dříve objasnila 19 z těchto případů. Výzkumný systém George-0.1, využívající pokročilé modely včetně Gemini 4 Argon, jejich nálezy při zaslepeném testu zopakoval. Ze sedmi zbývajících případů navrhl u dvou další genetické kandidáty k ověření.

U syna rodiny Frostových tým našel přestavbu chromozomů. Části DNA si vyměnily místo tak, že se gen FOXF1 oddělil od regulační oblasti, která řídí jeho aktivitu. Taková změna podporovala dřívější diagnózu vzácné poruchy vývoje plic, při níž plíce novorozence nedokážou dostatečně zásobovat tělo kyslíkem.

Výzkumníci s pomocí Argonu dohledali také důvod, proč změnu běžný software roky přehlížel. Mimo jiné ji kvůli chybám v anotacích označil za běžnou a odfiltroval. Rozhodující pak bylo ověření jinou laboratorní metodou, Sangerovým sekvenováním, ve Stankiewiczově laboratoři.

Rodina dostala vysvětlení, nikoli záchrannou léčbu. Chlapec zemřel a zpětné objasnění příčiny pomohlo rodičům porozumět tomu, co se stalo, i při rozhodování o dalším dítěti. Přínosem AI tu byla pomoc při hledání v datech a literatuře; závěr potvrdili specialisté. Jde o výzkum popsaný jeho autory, nikoli o hotovou diagnostickou službu pro běžné ordinace.

Pět enzymů navržených během hodin

Druhý příklad míří do biochemie. Enzymy jsou molekulární pomocníci, kteří urychlují chemické reakce. Google pracoval se serinovými esterázami, tedy enzymy štěpícími esterové vazby. Tato skupina se uplatňuje například při výrobě léčiv, detergentů a biopaliv nebo v recyklaci.

Podle Googlu Argon během hodin shromáždil potřebná data, provedl ladění modelu a pomohl vytvořit biologicky motivované filtry pro výběr návrhů. Výsledkem bylo pět nových návrhů enzymů, u nichž následné laboratorní testy potvrdily katalytickou aktivitu.

Test využíval molekulu 4MU-acetát. Po rozštěpení esterové vazby vzniká produkt, jehož fluorescenci lze sledovat pod UV světlem. Výzkumníci tak měli měřitelnou odpověď na otázku, zda navržené enzymy skutečně pracují.

Hodiny se vztahují k návrhové práci, ne k celému procesu včetně výroby a laboratorního ověření. Google navíc v oznámení nepřipojuje podrobné výsledky měření ani srovnání s průmyslovými enzymy. Doložený příslib tedy spočívá v rychlejším hledání funkčních kandidátů, nikoli v oznámení nového léku nebo hotové technologie na zpracování odpadu.

Fúze: lepší kontrola výpočtů místo slibu elektrárny

Ve fyzice se Argon zapojil do práce na matematice magnetických polí. Stellarátory, jeden z typů zařízení pro výzkum jaderné fúze, používají složitě tvarovaná pole k udržení horkého plazmatu. Návrháři přitom potřebují vědět, zda jejich simulační programy počítají správně.

Tým Googlu a profesor Matt Landreman z Marylandské univerzity rozšířili rodiny přesných matematických řešení souvisejících s Gradovou hypotézou z roku 1967. Protipříklady už existovaly; nová práce ukazuje širší třídu řešení bez podmínky takzvané stellarátorové symetrie. Pro výzkum mají cenu jako přesně známé případy, na nichž lze zkoušet správnost simulací.

Tady je přínos AI popsán podrobněji než v samotném firemním oznámení. Autoři ve veřejném preprintu uvádějí, že pracovali s malým týmem agentů Gemini 4 v prostředí Google Antigravity. Slibné návrhy se objevily během hodin. Argon pomáhal i s ověřovacím kódem a částmi rukopisu.

Vědci ovšem sami zvolili problém, vedli agenty a každé odvození nezávisle znovu provedli a symbolicky zkontrolovali. Práce je preprint, tedy veřejně dostupný rukopis před dokončením odborného recenzního řízení. Její konkrétní hodnota je v matematických podkladech pro výzkum, ne v dosažené výrobě elektřiny.

Kvantové počítače potřebují rychle opravovat chyby

Čtvrtá oblast se týká kvantových výpočtů. Kvantové bity jsou náchylné k chybám a systém musí průběžně vyhodnocovat měření, aby je mohl opravovat. Google k tomu vyvíjí dekodér AlphaQubit, jehož původní podobu popsal také v odborném časopise Nature.

Podle nového oznámení Argon převedl interní verzi AlphaQubitu do jednoho vysoce optimalizovaného výpočetního jádra a téměř zdvojnásobil propustnost jeho vyhodnocování. Rychlejší dekodér dovoluje zpracovávat více práce v čase, který určuje kvantový hardware.

Odděleně Google uvádí více než stonásobné snížení časoprostorové náročnosti u kvantového podprogramu pro výpočet funkce arkus sinus oproti publikované variantě Quantum CORDIC. Tato metrika spojuje potřebné výpočetní prostředky a délku výpočtu. Implementaci měl Argon napsat a její správnost měl ověřit formální důkaz v systému Lean. Obě čísla pocházejí od Googlu; nejde o stonásobné zrychlení celého kvantového počítače.

Užitečná AI nemusí mít podobu samostatného objevitele

Tyto příklady ukazují několik odlišných způsobů pomoci: vrátit se k přehlédnuté genetické změně, zúžit výběr molekul pro laboratoř, navrhnout matematické řešení a zrychlit specializovaný program. Zvlášť u případu Frostových je vidět, že užitečný výsledek nemusí být nový objev pro celé lidstvo. Může jím být i odpověď, kterou jedna rodina dlouho neměla.

Pro české výzkumníky stojí za pozornost nabídka Googlu pro 10 000 vědců: nejvyšší úroveň Google Antigravity zdarma na šest měsíců. Přijetí závisí na splnění podmínek, výběru a kapacitě programu; nejde o automatický nárok každé laboratoře. Odkaz na přihlášku je v oznámení modelu.

Rizika AI tím nemizí. Vedle debat o nich už ale existují konkrétní práce, které lze číst, kontrolovat a postupně ověřovat. Právě tam je přínos umělé inteligence nejzajímavější: když se její návrh promění v laboratorně potvrzený nález nebo výpočet, za který se odborníci mohou postavit.