Proteindatabasen bak AlphaFold tok 53 år. Eric Schmidt satser på agenter i stedet

«Fysikkens fakta er alle oppdaget», skrev fysikeren Albert Michelson i 1903. Eric Schmidt åpner med det sitatet i et innlegg i MIT Technology Review, for å vise at følelsen av at vitenskapen nærmer seg slutten kommer tilbake hver gang et verktøy imponerer nok. Denne gangen er verktøyet AlphaFold, og Schmidts poeng er at det er feil mal for resten av vitenskapen.

Grunnlaget for AlphaFold var Protein Data Bank, rundt 170 000 eksperimentelt bekreftede proteinstrukturer. Den samlingen tok 53 år med internasjonalt samarbeid og anslagsvis 21 milliarder dollar i eksperimentelt arbeid å bygge, skriver Schmidt sammen med Suhas Mahesh. Argumentet deres er at proteinkrystallografi er uvanlig reproduserbart, over 25 nobelpriser hviler på teknikken, mens de fleste eksperimentelle felt lever med at cellelinjer driver, kjemikalier har sporforurensninger og luftfuktigheten i laben endrer seg. Værvarsling, store deler av genomikk og små områder av kjemi er unntakene som kan få sine egne AlphaFold-øyeblikk.

Alternativet forfatterne peker på er agenter som modellerer selve forskningsprosessen i stedet for å lære seg ett domene. De trekker fram Googles AI Co-Scientist, som fikk et énsides oppdrag om hvordan antibiotikaresistens sprer seg mellom bakteriearter, satte opp underagenter til å foreslå, kritisere, rangere og forfine hypoteser, og landet på at resistensgenene haiker med bakterievirus. Forskere ved Imperial College London hadde brukt et tiår på å nå samme konklusjon med laboratoriearbeid, og artikkelen deres lå fortsatt til fagfellevurdering.

«Agenter logger derimot automatisk hvert eneste trekk de gjør, og skaper en eksakt oversikt over metoden som førte til resultatene» — Eric Schmidt og Suhas Mahesh, MIT Technology Review

Innlegget er ikke nøytralt. Schmidt grunnla Schmidt Sciences sammen med Wendy Schmidt i 2024, og Mahesh leder arbeidet med KI for vitenskap der, så begge har egeninteresse i at agentsporet vinner fram. Forbeholdene de selv lister opp er likevel gjenkjennelige for alle som har bygget noe agentbasert: hallusinasjoner, ujevn dømmekraft, og minne- og inputgrenser som setter tak på hvor lenge en agent kan kjøre alene. Det er de samme veggene du treffer i en kodeagent, bare med et laboratorium som innsats.