Eric Schmidt, były szef Google'a i współzałożyciel Schmidt Sciences, razem z Suhasem Maheshem uważają, że agenty AI powinny stać się kluczowym narzędziem dla przyspieszenia odkryć naukowych. Choć AlphaFold - sieć neuronowa przewidująca struktury białek, która zdobyła Nagrodę Nobla w chemii w 2024 roku - udowodnił potencjał AI w nauce, model ten może nie być najlepszym wzorem do podążania.
Problematem AlphaFolda było wymagające zebranie ogromnego datasetu. Naukowcy potrzebowali 170 tysięcy eksperymentalnie zweryfikowanych struktur białek - to zajęło 53 lata badań i kosztowało około 21 miliardów dolarów. Takie zasoby są trudne lub wręcz niemożliwe do zgromadzenia w wielu innych dziedzinach nauki. Agenty AI oferują alternatywne podejście, mogą bowiem modelować rzeczywisty, iteracyjny i wielowątkowy proces badań naukowych, jaki prowadzą naukowcy.
O ile narzędzia takie jak AlphaFold aplikują potężne algorytmy do bardzo konkretnego problemu, agenty pracują jako generaliści. Nie reprezentują nowego sposobu uprawiania nauki - raczej cyfrowo odwzorowują człowiecki proces odkrywania. To podejście mogłoby być bardziej uniwersalne i dostępne dla różnych gałęzi nauki, od biologii przez chemię po fizykę.