גוגל חושפת כיצד Co-Scientist כבר מסייע למדענים לייצר השערות מחקר

כשמדברים על בינה מלאכותית ברפואה, קל לדמיין מערכת שמגלה תרופה חדשה בלחיצת כפתור. המציאות הרבה פחות דרמטית, אבל לא פחות מעניינת. אם יש תחום שבו AI כבר מתחיל לשנות את הדרך שבה עושים מדע, הוא דווקא השלב שקודם לניסוי הראשון - הרגע שבו חוקרים מחליטים מה בכלל כדאי לבדוק. זו בדיוק הטענה שעומדת מאחורי Co-Scientist, מערכת המחקר של גוגל (Google). אחרי חודשים שבהם הוצגה בעיקר כהדגמה טכנולוגית, החברה חושפת כעת שורת דוגמאות ממעבדות מחקר שמראות כיצד המערכת כבר מסייעת למדענים לייצר השערות חדשות ולזהות קשרים שהיו עלולים להישאר חבויים בתוך הררי הספרות המדעית. גוגל לא טוענת שהמערכת גילתה תרופה או פתרה מחלה. היא מציגה משהו צנוע יותר, אבל גם כזה שעשוי להיות בעל משמעות גדולה יותר לטווח הארוך - ניסיון לקצר את אחד השלבים האיטיים והמורכבים ביותר במחקר המדעי.

צוואר הבקבוק החדש של המדע

נהוג לחשוב שהמחקר המדעי מתעכב בגלל הניסויים עצמם. במידה רבה זה עדיין נכון. גידול תאים, ניסויים בבעלי חיים, מחקרים קליניים ואישורים רגולטוריים נמשכים חודשים ולעיתים שנים. אבל לפני כל אלה יש שלב אחר, שהולך והופך למאתגר יותר: להבין איזה ניסוי בכלל כדאי לבצע.

בכל שנה מתפרסמים מיליוני מאמרים מדעיים. גם חוקר מוביל שמקדיש את רוב זמנו לקריאת ספרות מקצועית לא מסוגל לעקוב אחרי כל מה שמתפרסם, ובוודאי שלא אחרי מחקרים מתחומים רחוקים מההתמחות שלו. התוצאה היא שרעיונות טובים עלולים להתפספס פשוט משום שאף אחד לא חיבר בין פיסות המידע.

כאן בדיוק מנסה Co-Scientist מבית Google Deep Mind להיכנס לתמונה. במקום לסכם מאמרים או לענות על שאלות, המערכת סורקת כמויות עצומות של מחקרים, מעלה השערות חדשות, בוחנת אותן מכמה זוויות ומדרגת אילו מהן נראות מבטיחות מספיק כדי להצדיק ניסוי אמיתי. מבחינת גוגל, המטרה היא לא להחליף את המדען, אלא להרחיב את מספר הרעיונות שהוא מסוגל לבחון.

הדוגמאות כבר מגיעות מהמעבדה

כשהכריזה על Co-Scientist בתחילת 2025, גוגל דיברה בעיקר על הפוטנציאל של המערכת. עכשיו היא מתחילה להציג את השאלה המעניינת באמת: האם היא כבר משנה את הדרך שבה מדענים עובדים?"

כדי להמחיש שהרעיון עובד גם מחוץ למצגות, גוגל מציגה שיתופי פעולה עם חוקרים בכמה תחומים.

באוניברסיטת קיימברידג' נעזרו במערכת כדי לזהות מנגנונים מולקולריים שעשויים לאפשר לנגיפים לעבור מבעלי חיים לבני אדם - תהליך שעומד בבסיס מחלות כמו קורונה ושפעת. המטרה היא להבין אילו מנגנונים ניתן יהיה לחסום עוד לפני שמתפתחת מחלה.

במחקר אחר, שעסק בהזדקנות תאים, המערכת הציעה יותר מ-20 גורמים גנטיים שעשויים להיות קשורים להאטת תהליך ההזדקנות. חלק מההשערות נבחנו במעבדה והראו ממצאים ראשוניים שעשויים להצדיק מחקר נוסף.

גוגל מציגה גם שימושים במחקר על ALS, שבו המערכת סייעה לחבר בין ידע הנדסי לידע ביולוגי, וכן במחקר באוניברסיטת אדינבורו שבו זוהה קשר אפשרי בין דלקות לחילוף חומרים שעשוי לפתוח כיוון חדש בחקר מחלות כבד.

המשותף לכל הדוגמאות הוא שהמערכת אינה מספקת תשובות אלא נקודות פתיחה.

ההאצה כבר כאן, אבל היא לא איפה שרבים חושבים

אז האם AI באמת מאיץ תגליות מדעיות? התשובה היא כן, אבל רק בחלק מהדרך.

אין ספק שכלים כמו Co-Scientist יכולים להאיץ את שלב החשיבה. במקום שחוקרים ישקיעו חודשים בסקירת ספרות ובגיבוש כיווני מחקר, מערכת AI יכולה לבצע חלק גדול מהעבודה בתוך ימים, לזהות קשרים בין תחומי ידע שונים ולהציע עשרות השערות חדשות. זו האצה אמיתית, והיא עשויה לשנות את האופן שבו מתכננים מחקרים.

אבל מכאן ועד האצת התגליות עצמן הדרך עדיין ארוכה. כל השערה חייבת לעבור אימות במעבדה. צריך לבדוק אם היא נכונה, אם ניתן לשחזר אותה, ואם היא מחזיקה גם מחוץ למודל החישובי. לאחר מכן מגיעים ניסויים פרה-קליניים, ניסויים קליניים ובמקרים רבים גם שנים של עבודה רגולטורית.

במילים אחרות, AI יכול להציע את הניסוי הבא, אבל הוא עדיין לא יכול להוכיח שהניסוי הצליח. חשוב לזכור שהמדע מתקדם באמצעות הצטברות של ראיות, לא באמצעות דוגמאות מוצלחות בודדות.

השאלה האמיתית תגיע בעוד כמה שנים

החשיבות של Co-Scientist היא לא בכך שהוא יודע לקרוא יותר מאמרים מכל אדם. גם זו כבר אינה תכונה ייחודית. החידוש האמיתי הוא הניסיון להפוך את ה-AI לכלי שמסייע לייצר רעיונות חדשים, ולא רק לארגן ידע קיים.

אם הגישה הזו תוכיח את עצמה, היא לא תקצר את הדרך מניסוי לתרופה - לפחות לא בשלב הזה. היא תקצר את הדרך מרעיון לניסוי. בעולם שבו עודף המידע הפך לאחד החסמים הגדולים של המחקר המדעי, גם זה עשוי להיות שינוי משמעותי.

המבחן האמיתי יגיע רק בעוד שנים, כאשר אפשר יהיה לשאול שאלה פשוטה: כמה מהתגליות החשובות של העשור הבא התחילו מהשערה שאדם לבדו כנראה לא היה חושב עליה.