Агенты искусственного интеллекта для биологических исследований: обзор

Быстрый рост объёма биологических данных и усложнение экспериментов обусловили повышенный интерес к системам искусственного интеллекта (ИИ), которые выходят за рамки статического прогнозирования и обеспечивают автономные рассуждения и действия. Хотя современные вычислительные модели демонстрируют высокую прогностическую эффективность, в основном они функционируют как пассивные инструменты в исследовательских рабочих процессах, управляемых человеком. В отличие от них, ИИ-агенты объединяют рассуждение, планирование, вызов инструментов и итеративное совершенствование на основе обратной связи, обеспечивая более адаптивные и интерактивные формы биологического анализа. В настоящем обзоре систематизированы последние достижения в области биологических ИИ-агентов на основе анализа более 100 репрезентативных исследований, посвящённых клинической аналитике, молекулярному дизайну и разработке лекарственных средств, мультиомному анализу и извлечению знаний. Предложена унифицированная таксономия 5D, систематизирующая существующие работы по предметным областям задач, архитектурам систем, режимам взаимодействия, стратегиям оценки и интеграции ресурсов. На основе этой системы проанализированы типичные проектные решения, выделены новые возможности, обеспечиваемые агентными парадигмами, и определены ключевые нерешённые проблемы, включая надёжность, конфиденциальность, масштабируемость и стандартизированную оценку. В совокупности данный обзор проясняет концептуальный и методологический ландшафт биологических ИИ-агентов и намечает направления развития более надёжных, прозрачных и коллаборативных агентных систем для биологических исследований. В качестве постоянно обновляемого ресурса для научного сообщества нами подготовлен репозиторий GitHub, содержащий ресурсы и сводные данные по бенчмаркам: https://github.com/MineSelf2016/biological_agents_survey.