Mit Systemen wie Sakana AI und AlphaFold 3 wird das Potenzial von künstlicher Intelligenz in der Wissenschaft deutlich. Während früher wissenschaftliche Durchbrüche Jahrzehnte oder gar Jahrhunderte dauerten, ermöglichen KI-gestützte Plattformen heute beschleunigte Fortschritte in wenigen Stunden.
Sakana AI
Sakana AI, entwickelt in Zusammenarbeit mit der University of Oxford und der University of British Columbia, automatisiert wissenschaftliche Prozesse. Das System ermöglicht eine vollautomatisierte Forschung, die sämtliche Schritte abdeckt.
Das obige Diagramm verdeutlicht den mehrstufigen Workflow, den Sakana AI verwendet, um Forschungsprozesse von der Ideengenerierung über die Experimentdurchführung bis hin zur Manuskripterstellung zu automatisieren.
- Im ersten Schritt werden neue Ideen und Forschungspläne entwickelt, die auf Neuheit geprüft und archiviert werden.
- Anschließend folgen die experimentellen Iterationen, in denen geplante Experimente ausgeführt, Daten gesammelt und der Plan aktualisiert wird.
- Der letzte Schritt umfasst die Erstellung des wissenschaftlichen Manuskripts sowie eine automatisierte Peer-Review-Bewertung, die nach den Standards führender maschineller Lernkonferenzen erfolgt.
Ein automatisierter Peer-Review-Prozess bewertet die erstellten Arbeiten und liefert Vorschläge zur Optimierung.
Während herkömmliche Foundation Models wie Large Language Models (LLMs) bisher in der Forschung beschränkt sind, zeigt Sakana AI sein Potenzial in Bereichen wie Diffusion Models, Transformer-Architekturen und dem sogenannten Grokking. Damit wird es zu einem vielseitigen Werkzeug für maschinelles Lernen.
Für etwa 15 US-Dollar pro Forschungsarbeit erstellt das System vollständige Manuskripte. Durch die kontinuierliche Weiterentwicklung speichert es Erkenntnisse in einer wachsenden Wissensdatenbank und imitiert so eine wissenschaftliche Gemeinschaft.
Das System von Sakana AI schafft eine Umgebung für fortlaufende Verbesserungen in jeder Phase der Forschung. Dadurch wird der Prozess effizienter und die Kosten für wissenschaftliche Veröffentlichungen sinken.
AlphaFold 3
AlphaFold, entwickelt von Google DeepMind, hat die Vorhersage von Molekülstrukturen auf eine neue Stufe gehoben. Mit der aktuellen Version, AlphaFold 3, können nicht nur Proteine, sondern auch DNA, RNA und kleine Moleküle wie Liganden in 3D modelliert werden. Das System berechnet zudem präzise, wie diese Moleküle miteinander interagieren.
AlphaFold 3 verwendet eine optimierte Evoformer-Architektur und ein Diffusionsnetzwerk, das aus einer Wolke von Atomen die endgültige molekulare Struktur ableitet. Wie im Google Blog zu lesen ist, verbessert diese Methode die Genauigkeit bei wichtigen molekularen Interaktionen um bis zu 50 % und bietet verlässliche Vorhersagen für ganze Molekülkomplexe.
AlphaFold wird bereits in der Medikamentenentwicklung genutzt, um Wirkstoffe präzise auf molekularer Ebene zu modellieren. Zudem hilft es, Zellprozesse besser zu verstehen, etwa die Rolle von Proteinen bei Immunreaktionen oder der Genomforschung. Ein Beispiel ist die Analyse der Interaktion von Spike-Proteinen mit Antikörpern, die neue Ansätze für Impfstoffe gegen Coronaviren unterstützt.
Über den AlphaFold Server können Wissenschaftler die Funktionen kostenlos nutzen und eigene Molekülvorhersagen durchführen. Ergänzend stehen Open-Source-Ressourcen zur Verfügung, um spezifische Forschungsfragen zu bearbeiten.
AlphaFold 3 demonstriert, dass KI selbst tiefgreifende Fragen in der Biologie adressieren kann. Durch seine Interaktionsvorhersagen und die Unterstützung verschiedener Molekültypen entstehen innovative Forschungsansätze.
