Содействие эмпирическим исследованиям (ERA): от публикации в журнале Nature до стимулирования вычислительных открытий.

Опубликованный сегодня инструмент Empirical Research Assistance (ERA) — это средство искусственного интеллекта для профессионального уровня написания научных текстов, которое помогло создать прототип Computational Discovery и теперь доступно через программу доверенных тестировщиков в Google Labs.

Быстрые ссылки

• Статья из журнала Nature
• Код ERA и эксперименты
• Вводная статья в блог ERA
• Сообщение в блоге о приложениях ERA
• Делиться
  • Скопировать ссылку ×

Одно из главных потенциальных преимуществ ИИ для человечества — это увеличение скорости и масштаба научных открытий. Инструмент Empirical Research Assistance (ERA), разработанный Google и использующий Gemini для написания и оптимизации научного кода, решает одну из самых трудоемких задач научных исследований: итеративное тестирование и совершенствование вычислительных экспериментов. Он описан в статье «Система ИИ, разработанная для помощи ученым в написании экспертного эмпирического программного обеспечения», опубликованной сегодня в журнале Nature .

В рамках наших сегодняшних научных анонсов на конференции I/O мы также делаем эту технологию доступной в качестве инструмента, который может начать помогать ученым по всему миру. ERA — одна из систем, используемых для создания Computational Discovery, нового экспериментального инструмента, который сегодня начинает более широко внедряться в рамках программы Gemini for Science.

Представляем ERA — универсальный инструмент для научного кодирования.

Впервые мы поделились информацией о дизайне и производительности ERA осенью, когда был опубликован препринт. Получив научную задачу и критерий успеха, ERA может искать информацию в научной литературе, писать код, исследовать решения, комбинировать методы и оценивать результаты. ERA рассматривает тысячи вариантов, используя подход поиска по дереву для оптимизации выходного кода в соответствии с заданной целью.

В нашей публикации в журнале Nature описывается тестирование ERA на тестовых задачах, охватывающих различные дисциплины: геномику, общественное здравоохранение, анализ спутниковых снимков, нейробиологическое прогнозирование, общий тест прогнозирования временных рядов и математику. Результаты показывают, что ERA достигает экспертного уровня производительности по всем этим тестам, потенциально демократизируя в будущем доступ к вычислительному моделированию экспертного уровня и расширяя возможности нынешних экспертов.

Применение ERA к открытым научным вопросам

В течение последних шести месяцев ученые Google Research и наши коллеги активно экспериментировали с ERA. В конце апреля мы поделились примерами четырех проектов, над которыми мы работали, используя ERA для исследования актуальных нерешенных проблем в науке.

В настоящее время у нас имеется в общей сложности восемь рукописей, в которых метод ERA применяется к конкретным научным проблемам, включая пять недавно опубликованных статей, описанных ниже. В совокупности эти результаты показывают, как метод ERA может способствовать прогрессу в нескольких областях, оказывая непосредственное научное воздействие и принося пользу обществу.

• Ученые Google и их коллеги опубликовали анализ своей работы по использованию ERA для эпидемиологического прогнозирования, предсказывая количество госпитализаций в больницах США на уровне штатов за четыре недели вперед в связи с гриппом, COVID-19 и респираторно-синцитиальным вирусом (РСВ). Прогнозы ERA неизменно занимают верхние строчки в рейтингах Центров по контролю и профилактике заболеваний (CDC) для всех трех респираторных вирусов и используют методы, которые легко воспроизводятся для других стран и заболеваний.

Слева : Прогнозируемое Google еженедельное количество госпитализаций в Калифорнии по гриппу, COVID-19 и РСВ, начиная с момента начала каждого прогноза и до конца мая. Черная линия показывает наблюдаемое количество госпитализаций. Справа : Рейтинг различных моделей показывает, что прогнозы Google ( синие ) показали наилучшую точность в среднем за сезон по всем трем респираторным вирусам. Ансамблевым прогнозам CDC (полосатые столбцы) присвоен относительный взвешенный интервальный балл, равный 1. Прогнозы других исследовательских групп представлены сплошными красными столбцами (показаны только модели с наилучшими показателями).

• Мы использовали ERA для создания модели прогнозирования сезонного стока в бассейнах рек Калифорнии, питаемых снегом, — жизненно важного ресурса для населения и сельскохозяйственного сектора штата. Полученная модель дает значительно более точные предварительные прогнозы весеннего стока, чем Бюллетень 120 (B120), официальный прогноз сезонного водоснабжения штата, что потенциально может улучшить управление этим дефицитным ресурсом.

• Мы представили новые результаты, полученные с помощью ERA, которые позволяют картировать концентрацию углекислого газа (CO2) в атмосфере с беспрецедентным пространственным и временным разрешением, используя данные геостационарного метеорологического спутника. Разработанная с помощью ERA модель отражает изменения концентрации CO2, вызванные деятельностью человека, включая существенное увеличение концентрации в городских условиях. Полученные с помощью модели оценки также показывают, как сельскохозяйственные культуры и другие растения поглощают CO2 в процессе роста, вызывая снижение концентрации CO2 в течение дня, и как другие природные и антропогенные циклы влияют на атмосферу. Эти оценки, полученные с помощью искусственного интеллекта, помогут моделировать, отслеживать и понимать, как CO2, важнейший парниковый газ, изменяется в пространстве и времени.

Концентрация CO₂ в атмосфере над южной Калифорнией 18 октября 2024 года. Спутник Orbiting Carbon Observatory-2 проводит подробные измерения вдоль одной траектории ( слева ), возвращаясь в каждую точку каждые 16 дней. ERA использует данные метеорологического спутника GOES-East и объединяет их с другой информацией ( справа ) для оценки концентрации CO₂ каждые 10 минут по всей территории. Эти оценки наглядно демонстрируют закономерности выбросов из городских районов Лос-Анджелеса. Такие подробные карты могут помочь в моделировании, мониторинге и прогнозировании изменений концентрации этого критически важного парникового газа в пространстве и времени.

• В качестве примера того, как можно объединить эти две системы, мы исследовали максимизацию солнечной энергии в 3D-пространстве с помощью ERA и Google Antigravity для оптимизации захвата солнечной энергии панелями с различной топографией. ERA показала, что объемный вентилятор, состоящий из 500 треугольников, способен улавливать рассеянное солнечное излучение без обратного затенения, максимизируя захват энергии в потенциальной конструкции будущего солнечного энергетического устройства.

• Мы также применили ERA к задаче прогнозирования розничной торговли — разделу экономики, который обеспечивает доступ клиентов к необходимым товарам и услугам, позволяет предприятиям эффективно работать, минимизировать потери и оптимизировать экономическую политику для правительств. Используя широко доступные данные, такие как экономические показатели США, данные Google Trends, исторические закономерности и потребительские настроения, разработанная с помощью ERA модель смогла достичь или превзойти как коммерчески доступную консенсусную оценку, так и ежемесячный прогноз розничной торговли, публикуемый Федеральным резервным банком Чикаго (CARTS).

Представляем Computational Discovery, созданный с использованием ERA и AlphaEvolve.

Сегодня Google начнет постепенно открывать доступ к Computational Discovery, созданному с помощью AlphaEvolve и ERA. Мы рады этому новому этапу научных открытий, ставшему возможным благодаря вычислительным инструментам на основе ИИ, и возможности дальнейшего их развития вместе с более широким научным сообществом.

Еще один из недавно запущенных экспериментов Gemini for Science — это генерация гипотез, созданная с помощью AI Co-Scientist, также описанная в статье, опубликованной сегодня в журнале Nature . Генерация гипотез и вычислительные исследования, а также новый экспериментальный инструмент Literature Insights дополняют друг друга, поддерживая различные этапы научного метода. Зарегистрируйте свое участие на сайте labs.google/science.

Благодарности

Мы хотели бы поблагодарить наших сотрудников, перечисленных в списке авторов, которые помогли создать ERA , а также всех ученых, которые были одними из первых пользователей. Разработкой алгоритма, лежащего в основе ERA, руководили Эсер Айгун, Георге Команичи и Шибл Мурад . Работу по эпидемиологическому прогнозированию возглавляют Захра Шамси, Сара Мартинсон, Николас Райх, Мартина Пломецка и Брайан Уильямс. Исследования по мониторингу углекислого газа возглавляют Аарон Сонабенд-В, Шон Кэмпбелл, Рене Джонстон, Вишал Батчу, Карл Элкин, Кристофер Ван Арсдейл, Джон Платт и Анна Михалак. Статья по прогнозированию стока написана Игнасио Лопесом-Гомесом, Майклом Бреннером и Тапио Шнайдером. Рукопись по солнечной энергетике написана Майклом Бреннером, Лиззи Дорфман и Джоном Платтом. Исследования в области макроэкономического прогнозирования розничных продаж возглавляют Майкл Бреннер, Цянь-Цзе Чжу, Захра Шамси, Метте Нильсен и Пол Раккулья. Мы благодарны за лидерскую поддержку Джону Платту, Майклу Бреннеру, Шиблу Мураду, Лиззи Дорфман, Випу Гупте, Зубину Гахрамани, Элисон Ленц, Эрике Брэнд, Кэтрин Чоу, Рониту Левави Мораду, Йоси Матиасу и Джеймсу Маньике.

Источник: research.google