
Dalam artikel ini (4)
NSF Laboratorium Swakemudi: Analisis Infrastruktur $380 Juta
Poin utama
- Perlakukan laboratorium otonom sebagai infrastruktur, bukan demo: nilainya ada pada alur kerja bersama, data, akses, dan keterulangan.
- Perhatikan interoperabilitas dengan cermat, karena laboratorium yang terhubung membutuhkan praktik data yang umum sebelum AI dapat mengoordinasikan eksperimen dengan baik.
- Bagi para pembangun, fokuslah pada loop tertutup di mana model memandu eksperimen dan hasil yang tervalidasi meningkatkan keputusan berikutnya.
AI, robotika, dan eksperimen otomatis kini diperlakukan bukan sekadar trik laboratorium, melainkan lebih seperti infrastruktur bersama untuk penelitian.
AI, robotika, dan eksperimen otomatis makin diperlakukan bukan sekadar trik laboratorium, melainkan seperti infrastruktur bersama untuk penelitian.
Meja lab kini mendapat penjadwal, API, dan tampaknya juga agenda riset. Chemistry World melaporkan bahwa US National Science Foundation telah meluncurkan upaya senilai $380 juta untuk membangun jaringan nasional laboratorium otomatis berbasis AI, termasuk platform kimia self-driving yang dipimpin oleh NC State University. Ini adalah perubahan sikap yang patut diperhatikan: bukan satu robot yang memipet dengan gagah di sudut ruangan, melainkan dana publik yang mencoba mengubah eksperimen otomatis menjadi infrastruktur ilmiah. Sangat glamor, seperti sistem saluran pembuangan itu glamor, yaitu penting dan kurang dihargai sampai semuanya tersumbat.
NSF Mendanai Pipa-Pipanya, Bukan Hanya Lengan Robotnya Menurut U.S. National
Science Foundation, investasi perdana ini menyalurkan $380 juta kepada 20 tim untuk membangun jaringan nasional laboratorium otomatis berbasis kecerdasan buatan. NSF mengatakan para penerima pendanaan akan menguji, memperbesar skala, dan mendemonstrasikan metode serta alat yang memajukan sains dan rekayasa otomatis untuk penemuan dan penerjemahan. Penerjemahan, dalam bahasa pendanaan, berarti membawa hasil keluar dari lab dan masuk ke sesuatu yang benar-benar bisa digunakan masyarakat, alih-alih membiarkannya terperangkap dalam PDF seperti kumbang dalam ambar. Bagian pentingnya adalah jaringannya. Satu lab otonom memang berguna, tetapi tetap saja seperti pulau dengan motor yang lebih bagus. Serangkaian laboratorium cloud yang dapat diprogram dengan AI dan saling terhubung, seperti NSF membingkai upaya ini, mulai terlihat lebih seperti komputasi bersama untuk eksperimen, tempat alur kerja, instrumen, data, dan model dapat berkoordinasi lintas institusi. Itulah bagian yang layak diperhatikan, karena infrastruktur mengubah insentif lebih cepat daripada video demo mengilap mana pun.
Apa yang Sebenarnya Dilakukan Lab Kimia Self-Driving Chemistry World melaporkan
bahwa NC State University akan memimpin platform self-driving untuk ko-desain eksperimental dalam kimia dan ilmu material, yang dikenal sebagai lab Speed, melalui hibah empat tahun senilai $20 juta yang dipimpin oleh insinyur kimia Milad Abolhasani. University of North Carolina at Chapel Hill mengatakan NC State, UNC-Chapel Hill, dan Massachusetts Institute of Technology akan bekerja sama dalam upaya yang didanai NSF ini. UNC menggambarkan robot SPEED yang mengoordinasikan sintesis dan karakterisasi molekul kecil yang digerakkan AI, yang setara di lab dengan memberi Roomba komite PhD dan anggaran cairan. Istilah lab self-driving bisa terdengar seperti busa pemasaran, tetapi mekanismenya mudah dipahami. AI membantu memilih atau mengarahkan eksperimen, robot menjalankan sebagian pekerjaan, instrumen mengarakterisasi hasil, dan data memberi masukan untuk putaran keputusan berikutnya. Versi hebohnya mengatakan mesin menemukan segalanya sementara manusia menyeruput kopi. Versi yang berguna mengatakan para peneliti mendapat siklus yang lebih cepat dan lebih konsisten untuk menjelajahi ruang desain kimia dan material, dengan manusia tetap bertanggung jawab atas tujuan, batasan, interpretasi, dan pertanyaan abadi tentang mengapa pompa mengeluarkan bunyi itu.
Dari Demo ke Fasilitas Bersama Sesi Cloud Labs and Self-Driving Laboratories
dari Coalition for Networked Information mengatakan bahwa Direktorat Technology, Innovation, and Partnerships NSF mendanai lokakarya di Carnegie Mellon University dan North Carolina State University yang berfokus pada fasilitas sains otomatis, termasuk cloud labs dan laboratorium self-driving. Deskripsi sesi tersebut menekankan pelajaran, tantangan, peluang, dan sains terbuka. Itu penting karena bagian sulitnya bukan membuat satu robot melakukan satu hal mengesankan satu kali. Bagian sulitnya adalah membuat sains otomatis menjadi dapat diulang, dapat diakses, diatur, dan membosankan dengan cara terbaik. Peluang pendanaan PCL Test Bed dari NSF tercantum sebagai peluang pendanaan aktif, dan lembaga tersebut mengatakan proposal harus mengikuti persyaratan dalam peluang pendanaan serta Proposal and Award Policies and Procedures Guide miliknya. Itu mungkin terdengar birokratis, karena memang begitu, tetapi birokrasi adalah cara mainan lab menjadi institusi. Jika sistem-sistem ini akan digunakan bersama, para peneliti akan membutuhkan standar data, kebijakan akses, asal-usul data, kemampuan audit, dan pagar pembatas yang masuk akal. Kalau tidak, kita akan mendapatkan padanan ilmiah dari semua orang yang menamai berkas mereka final_final_REAL.xlsx, tetapi dengan robot.
Mengapa Pembuat AI Perlu Peduli Literatur riset tidak memulai dari nol di sini.
Makalah Self-Driving Laboratories for Chemistry and Materials Science dan ulasan Autonomous self-driving laboratories: a review of technology menunjukkan bahwa eksperimen otonom sudah menjadi bidang teknis yang terdefinisi, bukan spesies siaran pers yang baru diciptakan. Pendanaan NSF penting karena mendorong pekerjaan ini dari prototipe terpisah menuju lapisan yang kurang mencolok tempat platform, infrastruktur data, dan alur kerja yang dapat direproduksi berada. Bagi pembuat AI, pelajarannya sangat konkret: model menjadi lebih bernilai ketika tertanam dalam siklus eksperimen tertutup dengan data yang andal dan hasil yang terukur. Bagi pemimpin riset, pertanyaannya adalah apakah lab-lab ini menurunkan biaya untuk mencoba lebih banyak ide, bukan apakah mereka menggantikan ilmuwan dengan anak magang krom. Perhatikan bagaimana 20 tim yang didanai NSF menangani interoperabilitas, sains terbuka, dan akses, karena itulah yang akan menentukan apakah ini menjadi utilitas riset nasional atau sekadar federasi mesin penjual otomatis sains yang mahal. Robotnya mungkin mengemudi, tetapi seseorang tetap harus membaca petanya.