Роботизированные устройства на базе искусственного интеллекта постепенно вытесняют людей из сферы деятельности, традиционно выполняемой людьми. Что ждет лаборатории в будущем?
Имея размеры 5 метров в квадрате и 3 метра в высоту, Ева занимает не менее половины площади лаборатории, которая теперь стала для неё домом. Эта роботизированная платформа, установленная в Технологическом университете Чалмерса в Гётеборге (Швеция), является детищем пионера в области самоуправляемых лабораторий Росса Кинга. По словам Кинга, она работает на базе искусственного интеллекта, оснащена системой автопилота и «работает довольно тихо». Но при этом она очень быстра. Работая на полной скорости, роборука Евы может перемещаться со скоростью несколько метров в секунду с точностью позиционирования в доли миллиметра. Обычно команда запускает Еву на более низкой скорости — иначе, по выражению Кинга, «это слишком страшно».
Ева автоматизирует процесс раннего этапа разработки лекарственных препаратов. Одно из первых достижений Евы было сделано в 2018 году, примерно через три года после ее создания, когда она определила, что распространенное антимикробное соединение триклозан может воздействовать на фермент, который имеет решающее значение для выживания малярийных паразитов Plasmodium во время их фазы покоя в печени. Для этого Ева самостоятельно проверила около 1600 химических веществ и смоделировала, как их структура связана с их активностью, чтобы предсказать, какие из них стоит тестировать. Кинг и его группа вооружили робота базовыми знаниями и системой машинного обучения для разработки гипотез. Затем Ева использовала эти данные для разработки экспериментов по проверке гипотез и, что особенно важно, провела их самостоятельно. Это открытие показало исследователям потенциальный способ борьбы с малярией, устойчивой к лечению. «Это попытка воплотить научный метод с помощью машины» — говорит Кинг.
В 2009 году Кинг использовал предшественника системы Ева для исследования примерно 10–15% генов дрожжей с неизвестными функциями . Он назвал эту систему Адам — в честь как библейского персонажа, так и экономиста XVIII века Адама Смита, который был ярым сторонником промышленной механизации. Кинг видит параллели в будущем науки. «Большая часть биологических исследований выполняется как ремесленная работа», — говорит Кинг: лаборатория с главным исследователем, аспирантами и студентами работает во многом так же, как ремесленник работает со своими учениками. Автономные лаборатории, напротив, больше похожи на производственную линию. В результате «наука будет осуществляться по-другому, как на фабрике», — добавляет он.
Технология все еще находится в зачаточном состоянии и большинство достижений на данный момент носят поступательный характер. Но по мере того, как эта область вторгается в те части научного процесса, которые обычно выполняются людьми — изучение литературы, планирование экспериментов, анализ данных и принятие решений о том, какую гипотезу проверять дальше — исследователям придется решать, что эти разработки означают для будущего лаборатории. Многие секторы, от сельского хозяйства до хирургии, начинают использовать возможности робототехники на базе ИИ. Например, корейский автопроизводитель Hyundai объявил в январе, что разместит десятки тысяч автономных гуманоидных роботов на своих производственных предприятиях, и что к 2030 году они будут выполнять сложные работы по сборке автомобилей.
Промышленные лаборатории и централизованные лабораторные комплексы используют роботов для ускорения работы с жидкостями и анализа проб с середины 1980-х годов. Но лаборатории с автономным управлением могут пойти гораздо дальше. Сочетая ИИ, робототехнику и автоматизированное оборудование, эти платформы могут разрабатывать и проводить эксперименты с минимальным участием человека. Адам оснащен морозильной камерой, заполненной штаммами мутантных дрожжей, а также химикатами, необходимыми для измерения роста клеток в различных условиях. Кроме того, он оснащен тремя инкубаторами, центрифугой, двумя считывателями штрих-кодов, семью камерами и 20 датчиками окружающей среды. Получив от своих операторов общую задачу, он самостоятельно формулирует гипотезы, а затем проверяет их, проводя эксперименты гораздо быстрее, чем это мог бы сделать человек.
Кинг признает, что нанять студентов для этой работы, вероятно, было бы дешевле. Но его новейший робот, Genesis, сможет провести достаточно экспериментов, чтобы сделать этот процесс экономически целесообразным. По оценкам Кинга, создание Genesis обойдется в 1 миллион фунтов стерлингов (1,3 миллиона долларов США) — столько же, сколько стоил бы каждый из роботов Адам или Ева по отдельности, — но он считает, что в конечном итоге это будет как минимум на порядок дешевле, чем человеческий труд. Кинг планирует использовать эту систему — занимающую в пять раз меньше площади, чем Ева — для моделирования взаимодействия генов, белков и малых молекул в клетках. Часть этой работы будет заключаться в проведении около 10 000 масс-спектрометрических измерений ежедневно.
Химик и компьютерный ученый Алан Аспуру-Гузик из Университета Торонто в Канаде курирует парк из 50 автономных роботов, работающих в нескольких лабораториях и университетах. Этот проект, известный как Acceleration Consortium, финансируется грантом на сумму 200 млн канадских долларов (146 млн долларов США). Один из его бывших аспирантов, химик Гейб Гомес, впоследствии открыл собственную автономную лабораторию в Университете Карнеги-Меллон (CMU) (США), которую он назвал Coscientist. По словам Гомеса, она входит в число систем нового поколения, которые «позволяют пользователям давать инструкции или [оформлять] запросы простым английским языком». Coscientist работает на основе большой языковой модели (LLM) GPT-4 и может интерпретировать научные задачи, собирать релевантную информацию из поиска в интернете и документах, планировать эксперименты и взаимодействовать с робототехническим лабораторным оборудованием для их проведения. Это осуществляется либо на внешних платформах автоматизации, либо с помощью CMU Cloud Lab — дистанционно управляемого, полностью автоматизированного исследовательского комплекса, построенного CMU и Emerald Cloud Lab, биотехнологической компанией из США. Coscientist разработал и провел органические реакции, катализируемые палладием, чтобы найти лучшие реагенты и условия. Но, по утверждению Гомеса, у него есть применение в широком спектре областей. «Он действительно не зависит от конкретной области. И по мере совершенствования моделей [ИИ] круг проблем, которые мы можем решать, значительно расширяется».
Один из исследователей, надеющихся использовать эту технологию, — Джон Грегуар, директор по автономной науке в Lila Sciences, стартапе из США. Имея около 22 000 квадратных метров автоматизированных лабораторных площадей в своей AI Science Factory (AISF), компания планирует предоставлять услуги в области исследований и разработок фармацевтическим компаниям, предприятиям в сфере материаловедения и другим наукоемким организациям. В этом году она получила около 500 000 фунтов стерлингов от Агентства по передовым исследованиям и инновациям правительства Великобритании на тестирование способности своего автономного робота — AI NanoScientist — синтезировать коллоидные наночастицы (крошечные частицы, взвешенные в жидкой среде) и повышать их стабильность.
Аналогичный проект под названием Periodic Labs был запущен в 2025 году. Его соучредителями стали Лиам Федус, создатель ChatGPT в американской технологической компании OpenAI, и Экин Догус Кубук, ранее возглавлявший исследования в области материалов и химии в Google DeepMind. Periodic Labs разработала автоматизированную лабораторию по синтезу материалов, способную смешивать порошки, нагревать их в печи и определять характеристики полученных продуктов. Компания ставит целью проводить 1000 экспериментов в день, но Кубук отмечает, что успех будет зависеть не от производительности, а от того, насколько хорошо LLM сможет анализировать результаты для перехода к дальнейшим экспериментам. Подобные проекты появляются по всему миру, в том числе LabGenius в Лондоне. Их исследовательская платформа под названием EVA сочетает искусственный интеллект и роботизированную автоматизацию для разработки сложных терапевтических антител. Фармацевтическая компания Novartis (Швейцария), разработала платформу под названием MicroCycle, которая может автономно синтезировать, очищать и тестировать соединения, анализировать данные и выбирать новые соединения для синтеза. А роботизированный химик на базе ИИ под названием ChemAgents, разработанный исследователями из Китайского университета науки и технологий, помог своим создателям открыть функциональные материалы и оптимизировать светоактивируемые органические реакции.
Появляется все больше доказательств того, что автоматизированные лаборатории могут быть более экономически эффективными, чем традиционные подходы. Например, ученые из OpenAI и Ginkgo Bioworks, американской биотехнологической компании, протестировали более 30 000 экспериментальных условий в течение шести месяцев. Они продемонстрировали, что сочетание облачной лаборатории Reconfigurable Automation Cart от Ginkgo с LLM GPT-5 снижает стоимость производства одного грамма белка на 40% по сравнению с новейшими методами. Эксперимент позволил повысить выход белка на 27%. Это не значит, что роботы могут делать все, что могут люди. «Например, нельзя поместить роботизированную руку в клетку и поймать мышь в углу. Ловкость человека потрясающая даже по сравнению с современными роботами», — говорит Кинг. Грегуар поддерживает эту точку зрения, отмечая, что некоторые процессы на данный момент просто слишком дороги для автоматизации.
Однако роботы на базе искусственного интеллекта начинают выполнять более сложные эксперименты, чем те, с которыми справляются стандартные автоматизированные системы, которые, как правило, ограничиваются одноэтапным синтезом. Например, один из роботов в консорциуме Acceleration Consortium Аспуру-Гузика работает над многоэтапными методами, которые в противном случае было бы сложно автоматизировать, поскольку на каждом этапе необходимо очищать получаемые соединения — сложная и деликатная задача, требующая тщательного анализа. Решите эту проблему, и «мир будет вашим», — говорит Аспуру-Гузик, — «потому что тогда вы сможете, в принципе, автоматизировать любую химическую реакцию». Используя автоматизированную лабораторию «scale-up» SDL7 консорциума в Университете Британской Колумбии (Канада), его группа работает с фармацевтическим гигантом Bristol Myers Squibb (США), над платформой, способной разделять смеси жидкостей. Она может работать автономно, готовя образцы, измеряя pH и анализируя различные слои жидкости.
Некоторые из этих систем даже имеют «глаза». В декабре 2025 года группа Аспуру-Гузика опубликовала руководство по использованию простой веб-камеры, позволяющей автоматизированным лабораториям наблюдать за ходом экспериментов и реагировать на происходящее — в данном случае на высокопроизводительный синтез легко настраиваемых пористых решетчатых структур, известных как металлоорганические каркасы. «Благодаря компьютерным глазам [робот] мог фактически видеть, что происходит в ходе реакции, и затем действовать в соответствии с этим», — объясняет он. Он мог идентифицировать чашки, на которых кристаллизовались продукты, и выбирать для анализа только их, повышая эффективность.
На данный момент исследователи из Lila Sciences стремятся к полностью автономной работе AISF для разработки препаратов на основе матричной РНК и катализаторов, однако система по-прежнему зависит от участия человека для проверки прогнозов ИИ. Федус и Кубук отмечают, что Periodic Labs также постепенно внедряет этот процесс, автоматизируя отдельные его этапы, чтобы гарантировать обоснованность предлагаемых ИИ вариантов синтеза. «Это очень поэтапный процесс» — говорит Федус.
Действительно, типы гипотез, которые самоуправляемые лаборатории могут проверять на данный момент, «относительно ограничены», говорит Кинг, и сосредоточены в основном на постепенных улучшениях. «Они оптимизируют соединения в тесте на лекарственные препараты или оптимизируют некоторые материалы для батарей или солнечных панелей». Обычно это достигается с помощью байесовской оптимизации — метода, использующего вероятностное моделирование для выбора экспериментов и условий, которые с наибольшей вероятностью улучшат текущие результаты. «Байесовская оптимизация — это потрясающий и мощный инструмент», — говорит Гомес. Но метод оптимизации Coscientist, основанный на LLM, может сделать все еще лучше. Система предварительно обучена химическим знаниям, что дает ей преимущество перед традиционным байесовским подходом, объясняет Гомес.
В препринте, опубликованном на сервере arXiv в августе прошлого года, Гомес и его коллеги продемонстрировали, что Coscientist может оптимизировать синтез примерно за 20 повторяющихся экспериментальных циклов. «Даже если вы очень опытный химик-фармацевт или химик-технолог, это было бы весьма замечательным результатом». Грегуар отмечает, что система AISF также быстро развивается. «Год назад приходилось довольно часто помогать ей, задавать небольшие задачи и [осуществлять] контроль со стороны человека». Теперь ему нужно проверять систему гораздо реже. По словам Грегуара, система Lila добилась впечатляющих успехов в поиске альтернатив дорогостоящим катализаторам на основе драгоценных металлов. Получив свободу в разработке собственных экспериментов, AISF все чаще выходит за рамки того, что сделал бы Грегуар, и предлагает «совершенно новые» решения, включающие новые комбинации материалов. По его словам, система уже улучшила характеристики некоторых катализаторов из недрагоценных металлов, которые теперь могут соперничать с существующими аналогами из драгоценных металлов. «Было прекрасно наблюдать, как система отошла от человекоподобного дизайна экспериментов, характерного для экспериментов годичной давности, к тому, что, как я считаю, на данный момент можно назвать сверхчеловеческим».
Действительно, Грегуар представляет себе автономные лаборатории как поколение «суперученых», воплощающих знания нескольких исследователей по всем вопросам — от синтеза до моделирования. «Теперь мы можем заменить еженедельные групповые встречи и совместные сессии людей и сократить их продолжительность с многих часов до нескольких секунд», — говорит он. Однако угроза того, что эксперименты, проводимые автономной лабораторией, могут выйти из-под контроля и привести к аварии, вызывает серьезную озабоченность. Кубук говорит, что Periodic Labs использует данные об опасных материалах и реакциях, уже доступные в литературе, а также общие правила надлежащей практики, чтобы обучить свой LLM пониманию вопросов безопасности. Аспуру-Гузик сотрудничает с химиком-вычислителем Варинией Берналес, содиректором Matter Lab в Университете Торонто, чтобы усилить контроль над автономными лабораториями Acceleration Consortium. «Многое упущено, особенно в плане безопасности», — считает Берналес.
Решением Аспуру-Гузика и Берналес стал специально разработанный ИИ-агент, способный генерировать рекомендации по безопасности для любого эксперимента. В его основе лежит автономный агент, который использует квантово-химическое моделирование для прогнозирования проблем безопасности в экспериментах, где реакционная способность реагентов неизвестна. «Теперь мы можем смоделировать что угодно», — говорит Берналес. Следующим шагом, по ее словам, станет внедрение этого в существующие самоуправляемые лаборатории команды. Matter Lab также использует компьютерное зрение, чтобы его самоуправляемые роботы могли обнаруживать проблемы в реальном времени и адаптироваться к ним.
По мере того как практическая работа становится все более автоматизированной, возникает вопрос, изменят ли автономные лаборатории коренным образом структуру научных групп? Это конец карьеры аспирантов? «Я просто не знаю», — признает Гомес. Федус допускает, что автоматизация может привести к изменению структуры научных коллективов, но это не обязательно означает сокращение числа сотрудников, говорит он. Напротив, он видит в этом возможность повысить значимость работы людей. «[Это] освобождает ученых, позволяя им думать о химии и новых методах синтеза, а не просто заниматься измерениями» — говорит он. Аспуру-Гузик также уверен, что роботизированные лаборатории не заменят людей, а станут скорее помощниками, способными ускорить темпы развития науки. «Все дело в адаптации», — говорит он. Одной из его автономных лабораторий является научный помощник под названием ORGANA, который может планировать и проводить серию экспериментов после обсуждения с ученым. В одном из видео на YouTube робот помогает исследователю измерить электрохимические характеристики химического раствора. Пользователь описывает, какие реагенты и оборудование у него есть, цель эксперимента и метод, и система возвращает результаты чуть более чем через два часа, после менее чем пяти минут взаимодействия с пользователем.
Кинг предвидит смену парадигмы, при которой повседневные эксперименты будут проводиться на больших автоматизированных фабриках, где ИИ будет думать, а люди будут направлять внимание ИИ. Современные «самоуправляемые лаборатории» «не понимают общей картины», считает Кинг. И даже если эти лаборатории способны провести тысячи хорошо спланированных экспериментов, он не может представить, чтобы ИИ, управляющий такой лабораторией, как Genesis, смог сделать подлинный концептуальный прорыв — по крайней мере, пока. «Ни одна машина даже близко не подходит к тому, чтобы задаваться такими глубокими вопросами», — утверждает он.
Тем не менее, многие исследователи относятся к лабораториям с автономным управлением со скептицизмом, враждебностью и вполне понятным беспокойством за свои рабочие места. «Это было проблемой в моей лаборатории», — говорит Кинг, столкнувшийся с сопротивлением в своем отделе. «Есть много биологов, которые хотят, чтобы все оставалось так, как было». Гомес также сталкивается с сопротивлением. По его словам, в его собственной области — органической химии — бытует представление, что «моя лаборатория — это мое королевство, и тебе не следует в него вторгаться. Изменить всю культуру и менталитет будет очень сложно».
