Компания Anthropic задействовала 950 ИИ-агентов Claude для выполнения масштабной биологической поисковой задачи, в ходе которой была обнаружена ранее не охарактеризованная система ферментов. Новый комплекс получил название array-associated reverse transcriptases, или ART. Он был выявлен в результате анализа более чем 200 000 обратных транскриптаз. Повторяющаяся структура ДНК ART имеет определенное сходство с системами CRISPR, хотя ученые пока не установили точное назначение этой системы.
Полученные результаты пока не прошли рецензирование, однако эксперимент демонстрирует потенциально важную роль искусственного интеллекта в научных исследованиях. ИИ-агенты способны эффективно обрабатывать огромные массивы данных, генерировать гипотезы и сужать круг перспективных кандидатов для последующей проверки в лабораторных условиях. Главный вывод для бизнеса заключается не в том, что нейросети способны самостоятельно проводить научные изыскания, а в том, что агентские системы могут многократно расширить количество гипотез, которые исследователи могут проверить до выделения финансирования и лабораторных ресурсов на физические эксперименты.
Как агенты Claude справились с поиском биологических паттернов
Один из ИИ-агентов обнаружил необычный повторяющийся паттерн ДНК рядом с геном обратной транскриптазы. После этого Claude измерил повторы, проанализировал интервалы между ними, сопоставил структуру с уже известными биологическими системами и изучил научную литературу. Данная находка подтолкнула исследователей Anthropic к экспериментальному изучению кандидата.
Выявленная система обнаруживается главным образом у бактериофагов — вирусов, инфицирующих бактерии. Она включает в себя обратную транскриптазу, соседний партнерный ген и протяженный массив равномерно распределенных повторов ДНК. Лабораторные тесты показали, что этот массив повторов экспрессируется в виде множества коротких молекул РНК.
Почему исследователи сравнивают ART с системами CRISPR
Повторяющаяся структура ДНК привлекает внимание тем, что системы CRISPR также содержат массивы повторяющихся последовательностей. Впоследствии CRISPR легла в основу программируемых инструментов редактирования генома, нацеленных на определенный генетический материал. Ранее исследователи уже находили другие биологические системы, объединяющие обратные транскриптазы с компонентами для копирования или изменения ДНК.
Тем не менее, структурное сходство не означает, что система ART способна выполнять аналогичные функции. По заявлению Anthropic, ученые пока не знают биологическую роль ART и не могут гарантировать появление у нее биотехнологических применений. Профессор Массачусетского технологического института и исследователь Broad Institute Фен Цжан, участвовавший в разработке методов редактирования генома CRISPR, отметил, что связь между массивами РНК-повторов и обратными транскриптазами делает систему достойной дальнейшего изучения. Данная неопределенность подчеркивает, что алгоритм лишь помог сформировать гипотезу, но для понимания функций системы необходимы реальные лабораторные эксперименты.
Перспективы применения ИИ-агентов в научно-исследовательской работе
Эксперимент показал новый подход к использованию технологий. Специалисты Anthropic поставили перед системой общую исследовательскую задачу, а не просто попросили обобщить публикации или проанализировать готовый набор данных. Сотни ИИ-агентов искали информацию в базах, изучали семейства обратных транскриптаз, отсеивали слабых кандидатов и составляли отчеты по перспективным находкам. При этом ответственность за оценку результатов и проведение физических экспериментов полностью осталась за людьми.
Данная методика разрабатывается силами исследовательской группы по наукам о жизни в лаборатории Anthropic. Компания тестирует универсальные ИИ-агенты на разных этапах научных открытий. Используемый рабочий процесс объединяет инструменты Claude Science, Claude Code и внутренние платформы для координации параллельных сессий Claude. В дальнейшем этот подход может выйти за рамки биологии, найдя применение в фармацевтике, химии, материаловедении и инженерном деле.
Для организаций, оценивающих внедрение искусственного интеллекта в R&D, эксперимент иллюстрирует практическую пользу систем на этапе поисковых исследований. Агенты вроде Claude позволяют кратно увеличить число проверяемых предположений, однако полученные данные по-прежнему нуждаются в экспертном контроле и валидации. В случае с ART нейросеть обнаружила потенциально новый объект в объеме данных, который исследователям было бы крайне трудно проанализировать вручную с сопоставимой скоростью, но окончательные выводы сделали ученые.
Технологические особенности и организация процесса
Важным аспектом данного эксперимента стало изменение самой парадигмы взаимодействия с ИИ. Вместо того чтобы делегировать Claude стандартные задачи по суммаризации уже опубликованных исследований или анализу жестко заданных массивов данных, команда Anthropic предоставила системе более широкие исследовательские полномочия. Процесс был организован так, что сотни агентов работали параллельно: они самостоятельно искали информацию в профильных базах данных, проводили глубокое исследование семейств обратных транскриптаз, активно отсеивали менее перспективных кандидатов и формировали детализированные отчеты по наиболее значимым находкам.
Разработка этого подхода ведется в рамках профильной группы Anthropic по наукам о жизни. Уникальность данного рабочего процесса заключается в глубокой интеграции инструментов: компания использует комбинацию функций Claude Science, Claude Code и специализированных внутренних систем, способных координировать деятельность множества параллельных сессий Claude. Такая «агентская оркестрация» позволяет масштабировать процесс поиска до уровней, недоступных для ручного анализа.
Потенциал масштабирования за пределы биологии
Модель, примененная для поиска системы ART, имеет потенциал для выхода далеко за рамки молекулярной биологии. В таких дисциплинах, как разработка лекарственных препаратов, химия, материаловедение и инженерное проектирование, исследовательские команды ежедневно сталкиваются с необходимостью обработки колоссальных массивов данных. В этих областях поиск закономерностей, указывающих на новые соединения, инновационные материалы или скрытые механизмы взаимодействия, является ресурсоемким процессом.
Использование агентских систем на этапе R&D позволяет компаниям:
- Проводить первичную «разведку» данных с недоступной ранее скоростью.
- Идентифицировать нестандартные паттерны, которые могут быть пропущены человеком из-за усталости или ограниченности внимания.
- Существенно расширить воронку перспективных гипотез до того, как будут выделены значительные финансовые средства и задействованы лабораторные мощности для физических экспериментов.
Ограничения и роль экспертной оценки
Несмотря на успех в обнаружении ART, пример этой системы наглядно иллюстрирует критические ограничения текущих технологий. Claude успешно справился с задачей поиска кандидата, однако установление научной значимости находки и её экспериментальная проверка полностью легли на плечи людей. Агент помог сгенерировать гипотезу, но именно лабораторные эксперименты стали тем рубежом, который позволил подтвердить, что массив повторов действительно экспрессируется в виде специфических коротких РНК-молекул.
Для организаций, рассматривающих интеграцию ИИ в исследовательские процессы, ключевой вывод заключается в изменении роли исследователя. Ближайшая перспектива заключается не в замене ученых, а в увеличении «пропускной способности» их работы — возможности охватить большее количество направлений и быстрее отсеять неперспективные идеи. Системы, подобные Claude, действуют как инструмент для расширения когнитивного поля, позволяя исследователям фокусироваться на самых сложных задачах, требующих глубокой экспертизы и критического мышления, оставляя рутинный поиск «иголки в стоге сена» агентским ИИ-системам.
