Лаборатория, которая учится ставить новые опыты У автоматизации науки есть инженерное ограничение: роботизированная лаборатория умеет выполнять процедуры, под которые её настроили. Новый эксперимент, другой прибор или даже перестановка оборудования могут потребовать существенной работы программистов и инженеров. Исследователи из университетов Торонто и Амстердама предлагают автоматизировать саму подготовку лаборатории к новым задачам. Их система Self-Building Labs проектирует цифровую копию рабочего пространства, разрабатывает недостающие навыки роботов и объединяет их в экспериментальные процедуры. Учёный задаёт научную цель и предоставляет фотографии лаборатории, сведения об оборудовании и доступных интерфейсах управления. Дальше работу делят несколько ИИ-агентов: один составляет научный протокол, другой строит цифровой двойник и проверяет движения роботов, третий исследует опасные ситуации и формирует ограничения для выполнения команд. Точные движения затем дорабатываются на реальном оборудовании с обратной связью от камер и датчиков силы. Что уже получилось в физической лаборатории? Система организовала синтез квантовых точек сульфида кадмия. Она подготовила программу из 236 команд для дозирующего робота, заполнившего планшет на 96 лунок, и скоординировала 19 этапов его переноса, запечатывания и загрузки в измерительный прибор. В течение восьми часов отслеживались оптические свойства образующихся нанокристаллов. Отдельно робот освоил загрузку планшета в хроматограф, рассчитанный на ручное обслуживание: нужно было открыть подпружиненный ящик, точно установить образцы и закрыть его. Здесь ошибки виртуальной модели пришлось компенсировать по данным физических датчиков. Особенно интересна инженерная деталь: постоянные рассуждения языковой модели оказались слишком медленными для химического процесса. Поэтому освоенные действия система сохраняет как исполняемые программы с проверками состояния и обработкой сбоев. В штатной ситуации они работают самостоятельно; агент вновь подключается, когда условия выходят за предусмотренные рамки. Так опыт превращается в библиотеку воспроизводимых навыков. Границы результата пока существенны. Проектирование большой лаборатории и координацию нескольких роботизированных рабочих мест показали в симуляции. Лаборатория, которую ИИ полностью спроектировал с нуля, а люди затем построили, остаётся целью. Покупать и собирать оборудование по-прежнему должны люди; иногда им приходится разрешать и споры между агентами. Работа пока не прошла рецензирование. Экономию труда и средств также предстоит измерить: как замечает в обзоре Nature биоинженер Эван Коллинз, интеграция необходимых камер и датчиков сама может оказаться весьма трудоёмкой. На мой взгляд, здесь намечается важный шаг для ИИ в науке: автоматизация расширения экспериментальных возможностей. Лаборатория сможет осваивать новые действия по мере появления новых научных вопросов. Ценность такого подхода будет определяться временем и стоимостью перехода от исследовательского замысла к надёжному физическому эксперименту. https://youtu.be/4ImnNOgT_H4?si=sgHB1IFawNsZ20P0