Los modelos de IA ahora pueden ayudar a realizar experimentos de ciencias físicas

AAnthropic
Computing/Software

Transcript

00:00:00los científicos idean teorías sobre cómo funciona el mundo, pero limitarse a proponer
00:00:11una teoría no es suficiente, por lo que tenemos que construir experimentos, dispositivos
00:00:17de medición físicos para poner a prueba nuestras teorías; ese proceso de construir el experimento
00:00:24ocupa quizás el 80% del tiempo de un científico: construyen aparatos, configuran cosas,
00:00:32depuran hardware, depuran software. Son cosas que no están realmente relacionadas con
00:00:40hacer ciencia, pero es lo que hace que la ciencia funcione de verdad. Cuando me uní a Anthropic, tenía la visión de
00:00:50utilizar la IA para acelerar la ejecución de experimentos científicos, pero pensé que era una idea
00:00:57descabellada e imposible, hasta que vi el trabajo del neurocientífico Arco Bast, que estudia cómo se forman los recuerdos en el
00:01:07cerebro en tiempo real. Llevo un año en el laboratorio y estoy preparando un experimento muy difícil;
00:01:14así que este equipo de aquí es un microscopio hecho a medida, ven el rayo láser aquí, eso es
00:01:30lo que realmente pasa cuando estás escaneando el cerebro, tienes este rayo láser que escanea y
00:01:34se mueve; es sumamente importante que todo esté alineado con precisión, hay muchos componentes
00:01:41y solo quiero que se comuniquen entre sí de manera fluida. El problema es que cada dispositivo habla
00:01:49un idioma diferente y lograr que los aparatos se comuniquen entre sí en sus respectivos idiomas es
00:01:55muy difícil, pero Arco encontró una manera de hacer esto que podría funcionar entre dos dispositivos cualesquiera. Pon el láser
00:02:03uno al 50 por ciento de potencia. Sí, tenemos láser y el láser está ahí. Cuando estaba en esa habitación
00:02:10viéndolo ejecutar su experimento, tuve una especie de epifanía en ese momento: lo que había construido no era solo
00:02:18aplicable a este laboratorio, esta idea podría usarse para que la IA ejecute cualquier experimento científico en el mundo. Me quedé
00:02:30básicamente sin palabras. ¿Esto es nuestro? Creo que todo lo que está en la mesa es nuestro. Bien, tenemos que empezar a armar
00:02:38esto. Así que Arco y yo empezamos a trabajar juntos para crear una forma general de que la IA interactúe con
00:02:46los dispositivos, a lo que llamamos el estándar de hardware de modelos. Miren, con un microscopio muy sofisticado y este
00:02:53microscopio tiene tantos grados de libertad, deberían verlo moverse. Muy bien, ¡sí!, se movió, se movió, lo hizo,
00:03:02sí, creo que todo se ve bien. Bien, una vez que tuvimos un prototipo funcional, tuvimos que probarlo en otros
00:03:11dispositivos para ver cómo funcionaba más allá de la neurociencia.
00:03:15Ve primero al límite izquierdo. Una de las primeras cosas que hice fue definir el rango seguro de
00:03:30este brazo, qué tan lejos se le permite salir de la mesa y, por lo tanto, si le pedimos a Claude que tal vez intencionalmente se mueva
00:03:38fuera del rango de seguridad, pueden ver que este movimiento fue rechazado por el MHS. Oh,
00:03:45eso es increíble. ¿Puede agarrar algo ahora mismo? Oh, excelente pregunta, nunca le has pedido que haga esto
00:03:52desde cero, así que no tengo idea de qué nos preparará. Hay términos que necesito... oh, oh, espera, espera, ¿qué?
00:04:06Bien, bien, eso fue brutal, fue realmente genial el mero hecho de que pude construir esto desde cero hoy y lo logró en cuestión de minutos.
00:04:25Por supuesto, también tenemos que trabajar con los fabricantes y proveedores que construyen los dispositivos, así que empezamos a trabajar con Danaher para lograr que Claude se conecte con su microscopio Leica.
00:04:40Tenemos que recordarnos a nosotros mismos que Claude nunca ha visto nada relacionado con esta aplicación antes, cometerá errores, así que podemos pensar en esto como un proceso iterativo. Tienen que imaginar que yo, como científico, pasé semanas manteniendo esta muestra viva hasta este punto y gasté miles de dólares en ingredientes. Ya veo, si los rompes, tu experimento desaparece.
00:05:08Ni siquiera puedes ver cómo está pensando, no está intentando cambiar los ajustes del microscopio para obtener una imagen.
00:05:23Sí.
00:05:23Y creo que necesitamos ayudarlo.
00:05:27Lo interesante aquí es que puedes ver que cuando le pedí que cambiara a un mayor aumento
00:05:32es muy consciente de que pasar a un aumento mayor puede hacer que choque contra la...
00:05:39Sí, eso es increíble. Sí, entonces sabe cómo operar el microscopio. ¿Crees que ya estamos en un punto en el que puedo introducir un montón de comandos y obtener una imagen enfocada y, ya sabes, consultar qué es la imagen y añadir falso color y todo ese tipo de cosas? Deberíamos intentarlo.
00:05:55Sí, eso es increíble de descubrir, es genial. ¿Cuáles son los diferentes colores ahora mismo? ¿Podríamos pedirle magenta, rojo o rosa para las paredes celulares lignificadas? Son las paredes celulares, estas cosas son las paredes celulares, eso es correcto. Lo que logramos en un día es bastante transformador. Claude entró, no le dijimos nada y simplemente está tratando de resolverlo. Mañana creo que deberíamos intentar darle, ya sabes,
00:06:17Claude entró, no le dijimos nada y simplemente está tratando de resolverlo. Mañana creo que deberíamos intentar tratarlo como a un colega.
00:06:38Oh, hay muchas cosas pasando ahí.
00:06:40Digamos que un científico quisiera ver esto, tendría que sentarse, esperar y seguir vigilándolo.
00:06:46¿Correcto? Durante horas. Correcto, sí. Yo tenía uno bonito, pero está... mientras no estoy,
00:06:52me pregunto si Claude puede escribir un programa que pueda encontrar y rastrear eso.
00:07:08Claude casi ha terminado con el script inicial para hacer el seguimiento.
00:07:11Eso es... oh, caramba, sí, sí, maldición.
00:07:17Felicitaciones. De hecho, creo que necesita construir una interfaz de usuario para que podamos ver lo que está haciendo, porque simplemente ejecutar un script en segundo plano no es aceptable.
00:07:23Esto se ve bien.
00:07:31Está haciendo lo que debe, sí, lo está haciendo, estamos haciendo el seguimiento.
00:07:35Lleva tres minutos para mí... lleva unos minutos haciendo el seguimiento, no puede ser.
00:07:39Sí, solo hemos estado viéndolo persiguiéndolo.
00:07:41Vaya, sí, increíble que lo hayamos logrado.
00:07:45Lo logró.
00:07:47Este es un sistema de prototipos de alguna manera, o un sistema muy dinámico donde puedes crear algo muy rápido.
00:07:53Tal vez sea incluso lo suficientemente bueno para algunas aplicaciones científicas.
00:07:55El doctorando puede hacer su trabajo de doctorado más rápido porque no necesita pasar dos años haciéndolo funcionar.
00:08:01Exactamente, solo necesita dos meses.
00:08:03Sí, y luego puede centrarse en la pregunta biológica, que es nuestro objetivo.
00:08:09Todavía no nos lo creemos, estamos muy impresionados.
00:08:15Creo que el estándar de hardware de modelos abre la puerta a muchos tipos nuevos de ciencia.
00:08:21El ejemplo obvio está en los productos farmacéuticos.
00:08:25Aquí en Genentech fabricamos medicamentos para pacientes con enfermedades graves e incluso mortales.
00:08:35Se necesitan muchísimas iteraciones para fabricar un fármaco.
00:08:41Probaremos miles, o incluso cientos de miles, o incluso millones de moléculas
00:08:47para encontrar la molécula adecuada que realmente ayude a los pacientes.
00:08:53Así que vamos a iniciar un experimento en el que Claude realizará una serie de operaciones
00:09:01y luego interpretará los datos.
00:09:03Si aspiras de un pocillo que tiene burbujas,
00:09:07no estás obteniendo la cantidad de transferencia correcta.
00:09:09Si estuviéramos intentando aspirar de esto,
00:09:11obtendremos las cantidades adecuadas en los pocillos sin burbujas
00:09:15y luego cantidades incorrectas en los que tienen burbujas.
00:09:17Si se trata de Claude, podríamos comprobar potencialmente durante las tiradas de producción
00:09:21si estas burbujas están apareciendo
00:09:25y con suerte tiene el contexto y el conocimiento para hacer ajustes.
00:09:29Claude realizará algo de ejecución,
00:09:33tomará la lectura y luego cambiará ligeramente los parámetros de la ejecución
00:09:39para ver si puede mejorar el experimento en general en un circuito cerrado.
00:09:43Acelerar este ciclo significa que simplemente podemos hacer más intentos al arco
00:09:53y podemos llegar a las respuestas más rápido.
00:09:57Esto simplemente tiene menos burbujas.
00:09:59Tiene burbujas en dos, pero en el resto no.
00:10:03Así que esto es mejor.
00:10:05Este es realmente el primer momento de la historia en el que permitimos que la IA interactúe con el mundo físico
00:10:15en el descubrimiento de fármacos.
00:10:17Es definitivamente histórico, sí.
00:10:19Creo que es muy difícil para nosotros predecir
00:10:21cómo la IA y el estándar de hardware de modelos afectarán al mundo
00:10:25ya sabes, de aquí a 30 o 50 años.
00:10:27Bueno, estos son los mejores momentos,
00:10:39cuando hay algo que no podía hacer antes
00:10:41y ahora puedo hacerlo.
00:10:43Algo que no podía ver antes y ahora puedo verlo.
00:10:45Ese es el impulso.
00:10:47Quiero entender cosas que no entendemos ahora mismo.
00:10:49Imaginen lo que veremos en el desarrollo de fármacos,
00:10:55en la computación cuántica,
00:10:57en la fusión nuclear,
00:10:59en grandes tecnologías que podrían cambiar el mundo
00:11:01cuando los científicos tengan acceso a esta tecnología.

Key Takeaway

El estándar de hardware de modelos permite que Claude controle microscopios y equipos de laboratorio para automatizar experimentos físicos complejos y acelerar el descubrimiento de fármacos.

Highlights

  • La configuración y depuración de hardware y software ocupan aproximadamente el 80% del tiempo en la investigación científica.

  • El estándar de hardware de modelos permite que la inteligencia artificial interactúe con cualquier dispositivo y hardware científico de forma general.

  • Un doctorado que usualmente requiere dos años de configuración puede reducirse a dos meses mediante la automatización de la IA.

  • En Genentech se evalúan cientos de miles o millones de moléculas en ciclos cerrados para encontrar fármacos candidatos eficaces.

  • La IA detecta automáticamente anomalías físicas como burbujas en pocillos y ajusta los parámetros de ejecución en tiempo real.

Timeline

El cuello de botella en los experimentos físicos

  • La mayor parte del tiempo de un científico se destina a construir aparatos y depurar hardware y software.
  • Los dispositivos de laboratorio utilizan distintos protocolos de comunicación que dificultan su interconexión.

Los investigadores invierten cerca del 80 por ciento de su tiempo en tareas de infraestructura técnica en lugar de analizar la ciencia. La falta de un lenguaje común entre los aparatos de medición frena la ejecución rápida de los experimentos.

Desarrollo del estándar de hardware de modelos

  • El estándar de hardware de modelos conecta la inteligencia artificial con diversos dispositivos físicos.
  • Claude opera microscopios sofisticados y ejecuta movimientos complejos definidos por rangos de seguridad estrictos.

Se establece una interfaz universal para que los modelos de lenguaje interactúen directamente con instrumentos de laboratorio. Las pruebas iniciales demuestran que el sistema rechaza comandos fuera de rango y realiza acciones mecánicas complejas en minutos.

Optimización de la investigación biológica

  • Claude ajusta el aumento del microscopio y realiza un seguimiento automático en tiempo real.
  • La automatización reduce el tiempo requerido para completar trabajos de doctorado de dos años a dos meses.

La inteligencia artificial maneja tareas de observación continua, escritura de scripts de seguimiento y visualización de datos mediante interfaces de usuario. Esto permite a los investigadores centrarse exclusivamente en las preguntas biológicas fundamentales.

Aplicación en el descubrimiento de fármacos

  • Genentech utiliza la IA para ejecutar pruebas en circuitos cerrados con millones de moléculas.
  • El sistema identifica errores físicos como burbujas en los pocillos y modifica los parámetros para corregirlos.

La integración de modelos de IA en laboratorios farmacéuticos acelera los ciclos de prueba y error. La capacidad de interpretar lecturas físicas y ajustar la pipetear en tiempo real abre nuevas posibilidades en el desarrollo de medicamentos y tecnologías avanzadas.

Community Posts

No posts yet. Be the first to write about this video!

Write about this video