Google的新（AI）工具解决了一个问题，该问题花了十年的时间才能在短短两天内解决。
JoséPenadés他在伦敦帝国学院的同事花了10年的时间来弄清楚一些超级细菌如何对抗生素产生抵抗力 - 这是日益增长的威胁每年夺取数百万的生命。
但是，当团队给予Google的“共同科学家”（一种旨在与研究人员合作的AI工具）时，这个问题在一个简短的提示中时，AI的回答与他们在短短两天内发表的发现产生了相同的答案。
Penadés惊讶地向Google发送了电子邮件检查他们是否可以访问他的研究。该公司回答说事实并非如此。研究人员于2月19日在预印服务器上发布了他们的发现生物，因此他们尚未经过同行评审。
“我们的发现表明，AI有可能综合所有可用证据，并将我们引导到最重要的问题和实验设计，”合着者Tiago Dias da Costa，伦敦帝国学院细菌发病机理的讲师，在一份声明中说。 “如果系统的运作和希望能够运行，这可能会改变游戏方式；排除'死胡同'，并有效地使我们能够以非凡的速度进步。”
使用人工智能与超级细菌作斗争
当传染性微生物（例如细菌，病毒，真菌和寄生虫）获得对抗生素的耐药性，使必需药物无效时，就会发生抗菌耐药性（AMR）。被称为“”沉默的大流行，” AMR代表其中之一最大的健康威胁面对人类过度使用和滥用抗生素在医学和农业中都加快了其流行率。
根据2019年的报告疾病控制与预防中心（CDC）当年，全球至少有127万人口杀死了耐药的细菌。这些死亡中约有35,000人仅在美国，这意味着该问题的死亡人数率高于52％以来CDC的最后一次AMR报告，2013年。
为了调查这个问题，彭加德斯和他的团队开始寻找一种类型的超级细菌（一种被称为皮克植物形成的噬菌体可诱导的染色体染色体岛（CF-PICIS）的细菌家族）的能力，可感染各种细菌。
有关的：
科学家假设这些病毒是通过从不同细菌感染病毒中摄取将病毒基因组注入宿主细菌细胞中的尾巴来做到这一点的。实验证明了他们的直觉是正确的，揭示了科学界以前不知道的水平基因转移中的突破性机制。
在团队中的任何人公开分享他们的发现之前，研究人员向Google的AI共同科学家工具提出了同样的问题。两天后，AI返回了建议，其中一个是他们知道的正确答案。
“这有效地意味着算法能够查看可用的证据，分析可能性，提出问题，设计实验，并提出了同样的假设，即我们通过多年艰苦的科学研究得出的假设，但在很少的时间里，”伦敦帝国学院的伦敦帝国学院教授Penadés在该声明中说。
研究人员指出，从一开始使用AI就不会消除进行实验的需求，但是它可以帮助他们提早提出假设，从而节省了多年的工作。
尽管有这些有希望的发现和，在科学中使用AI仍然存在争议。例如，越来越多的AI辅助研究一直是被证明是不可复制的甚至彻底欺诈。为了最大程度地减少这些问题并最大化AI可能为研究带来的好处，科学家们提出了检测AI不当行为的工具并建立道德框架以评估发现的准确性。
