অত্যাধুনিক এআই ব্যবস্থা বিশাল অনুসন্ধান স্থান পাড়ি দিয়ে জীববিজ্ঞান গবেষণা ও ওষুধ আবিষ্কারে রূপান্তর আনতে পারে। উদাহরণস্বরূপ, ১০০টি অ্যামাইনো অ্যাসিডের একটি একক প্রোটিনের অন্তত ২০১০০টি সম্ভাব্য ক্রম রয়েছে, যার জন্য গতিশীল, বহু-প্রার্থী অনুসন্ধান প্রয়োজন। গুগলের দীর্ঘমেয়াদি দৃষ্টিভঙ্গি হলো, এআই এজেন্টরা শুধু ধারণা তৈরি ও বিশ্লেষণ করবে না, বরং ল্যাবে পরীক্ষা চালাবে, ফলাফল থেকে শিখবে এবং নিজেদের উন্নত করবে, এসবই মানুষের বৈজ্ঞানিক কর্তৃত্বের অধীনে।
এই দৃষ্টিভঙ্গি বাস্তবায়নে দুটি পরস্পর সম্পর্কিত চ্যালেঞ্জ মোকাবিলা করতে হবে। প্রথমত, অত্যাধুনিক মডেলগুলো এখনো ত্রিমাত্রিক জ্যামিতি ও ভৌত অবস্থা নিয়ে নির্ভরযোগ্যভাবে যুক্তি দিতে পারে না, যা তরল-পরিচালনা রোবট স্বয়ংক্রিয় করাকে জটিল করে তোলে; এসব রোবট বিকারক স্থানান্তর করে, আয়তন ট্র্যাক করে এবং আণবিক জীববিজ্ঞানের প্রোটোকল চালায়। দ্বিতীয়ত, ইন-সিলিকো অনুকল্প তৈরি ও নকশা দ্রুত এগোলেও বাস্তব ওয়েট-ল্যাব পরীক্ষা সেই গতির সঙ্গে তাল মেলাতে পারেনি, ফলে পরীক্ষামূলক ফলাফল আগের যেকোনো সময়ের চেয়ে বেশি প্রতিবন্ধক হয়ে উঠেছে।
প্রথম চ্যালেঞ্জ মোকাবিলায় দল VERified Infrastructure for Discovery Laboratories (VERID) কাঠামো উপস্থাপন করেছে। VERID হলো ল্যাব ওয়ার্কসেলের একটি শব্দার্থিক ডিজিটাল টুইন: একটি জীবন্ত, অবস্থা-সংরক্ষণকারী ত্রিমাত্রিক মডেল, যা রোবটিক বাহুর জ্যামিতি থেকে প্রতিটি ওয়েলের আয়তন, বিকারকের পরিচয় ও পিপেট টিপের মজুদ পর্যন্ত সবকিছু ট্র্যাক করে। ওপেন-সোর্স PyLabRobot কাঠামোর ওপর নির্মিত এটি লাইভ ত্রিমাত্রিক অবস্থা ট্র্যাকিং, দ্রুত ভার্চুয়াল ড্রাই রান, হার্ডওয়্যার নিরাপত্তা যাচাই এবং সমন্বিত ভিডিও ও কার্যক্রম লগ সরবরাহ করে।
কেস স্টাডিতে সমন্বিত ভিডিও ওয়েলের তলার খুব কাছে ডিসপেন্স করার কারণে সৃষ্ট অসম রঙ স্তরবিন্যাস ধরতে পেরেছে, এবং এজেন্ট তার মিশ্রণ কৌশল পরিমার্জন করেছে। সিমুলেটর যখন একটি সরু ট্রফে না ধরা ৮-চ্যানেল অ্যাসপিরেশন বাতিল করেছে, তখন এজেন্ট পরিকল্পনা নতুন করে সাজিয়ে একটি লক্ষ্যভিত্তিক ফ্যাক্টোরিয়াল ডায়াগনস্টিক নকশা করেছে। একটি বন্ধ-লুপ স্ব-খেলা অভিযানে, এজেন্ট নিজের অপটিক্যাল ও তরল-সংক্রান্ত ত্রুটি চিহ্নিত করে তার নির্ভুলতা পাঁচ গুণেরও বেশি বাড়িয়েছে।
উৎস: Google AI Blog · সারাংশ: HeadlinesBriefing