ERA, מערכת שפותחה בגוגל ובהרווארד, מריצה ומשפרת אלפי גרסאות קוד למשימות מדעיות מוגדרות. בניסויים היא שיפרה חיזוי אשפוזי קורונה, ניתוח RNA חד־תאי ומודלים של פעילות עצבית
מערכת בינה מלאכותית חדשה מצליחה לבצע אוטומציה של אחד השלבים האיטיים והמתישים במחקר מדעי: כתיבה, בדיקה ושיפור של תוכנות ייעודיות לניתוח נתונים ולבניית מודלים. המערכת, שפיתחו חוקרים מגוגל, Google DeepMind ואוניברסיטת הרווארד, נקראת ERA – קיצור של Empirical Research Assistance – והיא מתוארת במאמר שפורסם בכתב העת Nature.
המערכת אינה “מגלה מדע” לבדה, אך היא יכולה לזרז מאוד את העבודה סביב משימות מדעיות שאפשר להגדיר להן ציון מספרי ברור. למשל: עד כמה מודל מצליח לחזות אשפוזים במגפה, עד כמה שיטה מצליחה לשלב נתוני RNA חד־תאי, או עד כמה סימולציה מתאימה למדידות פעילות של תאי עצב. במקרים כאלה, ERA יכולה לכתוב גרסאות רבות של קוד, להריץ אותן, למדוד את הביצועים שלהן ולבנות גרסאות משופרות.
המחקר הובל בין השאר על ידי פרופ’ מייקל ברנר, פרופסור למתמטיקה שימושית ולפיזיקה בבית הספר להנדסה ולמדעים יישומיים של הרווארד וחוקר בגוגל, ועל ידי שיבל מוראד מ־Google DeepMind. תלמידי המחקר קיאן־זה ז’ו, ריאן קרוגר ושרה מרטינסון תרמו למחקר במסגרת עבודתם בקבוצת המחקר של ברנר.
אלפי ניסיונות במקום חודשים של עבודה ידנית
במדעים רבים נדרש קוד ייעודי כמעט לכל בעיה: מודל חדש, דרך חדשה לנקות נתונים, שיטת חיזוי או סימולציה. התהליך הזה דורש מחוקרים לכתוב גרסה ראשונית, לבדוק אותה, לזהות חולשות, להחליף אלגוריתמים, לשלב רעיונות ממאמרים ולחזור שוב ושוב על אותה עבודה. לעיתים מדובר בחודשים ואף בשנים של עבודה מצטברת.
ERA מנסה להפוך את התהליך הזה לאוטומטי. היא משלבת את מודל השפה Gemini של גוגל עם שיטת חיפוש שמאפשרת לה לבחון אלפי שינויים אפשריים בקוד. המערכת מתחילה מקוד בסיסי למשימה מוגדרת, מציעה שינויים, מחליפה רכיבים, מוסיפה אלגוריתמים, בודקת את התוצאות וממשיכה בכיוונים שנראים מבטיחים.
אחד הרכיבים המרכזיים במערכת הוא חיפוש בעץ – שיטה המוכרת גם ממערכות משחק כמו AlphaGo. במקום לנסות כל שינוי אפשרי, המערכת מעריכה אילו כיוונים עשויים להוביל לשיפור וממקדת בהם את המשך החיפוש. נוסף על כך, היא יכולה לשלב רעיונות ממאמרים, ספרים או מקורות ידע אחרים, אם המשתמש מספק אותם או אם המערכת מאתרת אותם באופן אוטומטי.
יישומים במדעי המוח, בבריאות ובביולוגיה חישובית
כדי לבדוק את היכולת של ERA, החוקרים הפעילו אותה על כמה בעיות מדעיות ממשיות. באחד הניסויים, המערכת שימשה לחיזוי פעילות של יותר מ־70 אלף תאי עצב במוח של דג זברה, והשוותה את התחזיות לנתונים עצביים שנמדדו בפועל. לדברי קיאן־זה ז’ו, משימה כזו הייתה מחייבת אותו ללמוד ולהפעיל ספריית מודלים חדשה במשך שבועות או חודשים, ואילו המערכת יכלה להרכיב ולכוונן מודלים באופן אוטומטי.
בניסוי אחר יצרה ERA ארבע־עשרה שיטות לחיזוי אשפוזי קורונה, שהשיגו ביצועים טובים יותר מהמודלים הטובים ביותר של המרכזים האמריקניים לבקרת מחלות ומניעתן בתקופת המגפה. בניסוי נוסף היא גילתה ארבע שיטות חדשות לשילוב מערכי נתונים של ריצוף RNA חד־תאי, שהשיגו ביצועים טובים יותר משיטות מובילות שפותחו בידי בני אדם.
הממצא החשוב אינו רק בכך שהמערכת כתבה קוד שעבד היטב, אלא בכך שהיא הצליחה לחפש במרחב רחב מאוד של רעיונות. חוקרים אנושיים מוגבלים בזמן, בהיכרות שלהם עם ספריות תוכנה וביכולת לבדוק שילובים רבים של שיטות. מערכת כמו ERA יכולה להריץ במקביל ניסויים חישוביים רבים, ולמצוא פתרונות שלא בהכרח היו נבדקים ידנית.
כלי עזר לחוקרים, לא תחליף לשיקול מדעי
למרות התוצאות המרשימות, ERA אינה מחליפה את המדען. היא פועלת היטב כאשר אפשר להגדיר משימה עם מדד ביצועים ברור. היא אינה קובעת אילו שאלות מדעיות חשובות, אינה מבטיחה שהמודל שנמצא נכון מבחינה ביולוגית או פיזיקלית, ואינה מחליפה בדיקה ביקורתית של תוצאות. כמו בכל מערכת בינה מלאכותית, נדרשים אימות, שחזור ובקרה מצד חוקרים אנושיים.
המערכת גם תלויה באיכות ההגדרה של המשימה ובמדד שנבחר. אם הציון המספרי אינו משקף היטב את השאלה המדעית, המערכת עלולה לשפר את המדד בלי לשפר באמת את ההבנה. זהו אתגר מוכר גם בלמידת מכונה וגם במדע חישובי: קל יחסית לייעל מספר, אך קשה יותר להבטיח שהמספר מייצג את המציאות.
ובכל זאת, אם הכלי יעמוד במבחן של שימוש רחב, הוא עשוי לשנות את האופן שבו נכתבות תוכנות מדעיות. במקום להשקיע שבועות בבדיקה ידנית של רעיונות, חוקרים יוכלו להגדיר בעיה, להפעיל מערכת שתבחן במהירות אפשרויות רבות, ואז להקדיש יותר זמן לפרשנות, לביקורת מדעית ולשאלות המחקר עצמן.
למאמר המדעי DOI: 10.1038/s41586-026-10658-6
FAQ קצר:
מהי ERA?
ERA היא מערכת בינה מלאכותית שנועדה לעזור למדענים לכתוב ולשפר תוכנות ייעודיות למשימות מדעיות שאפשר למדוד את ביצועיהן במספר.
האם המערכת מחליפה מדענים?
לא. היא מסייעת בבדיקת רעיונות ובשיפור קוד, אך חוקרים עדיין צריכים להגדיר את השאלה, לבדוק את התוצאות ולפרש אותן.
באילו תחומים נבדקה המערכת?
בין השאר בחיזוי אשפוזי קורונה, שילוב נתוני RNA חד־תאי וחיזוי פעילות עצבית בדגי זברה.
מה החידוש המרכזי במחקר?
החידוש הוא אוטומציה של מחזור שלם של כתיבה, בדיקה ושיפור קוד מדעי, בקנה מידה שקשה מאוד לבצע ידנית.
עוד בנושא באתר הידען:
