В одном из испытаний агент Google Research решил опустить восемь каналов пипетки в узкий резервуар. На уровне команд всё выглядело нормально. Потом включился симулятор и посчитал: наконечники займут не менее 72,0 мм, а длина резервуара — 71,2 мм. Операцию отклонили до контакта с реальным оборудованием, и агент перепланировал процедуру: перемешивал семью каналами, а образцы забирал двумя четырёхканальными проходами. Разница меньше миллиметра, но именно в ней видна суть истории: автономная наука начинается не с красивого текста о гипотезе, а с момента, когда гипотезу можно проверить физическим экспериментом и получить обратную связь.
Что Google показала на самом деле
16 октября 2026 года Google Research опубликовала обзор, в котором собраны три связанных направления: роботизированная лаборатория VERID, поиск ДНК-аптамеров и проектирование белковых связующих молекул. Материал подготовили Pooja Rao, Petar Sirkovic и Annalisa Pawlosky, которая руководит исследовательской программой. Это не единый продукт и не готовая «ИИ-лаборатория», а набор строительных блоков, которые проверяли в разных контурах.
Ключевой элемент — VERID, VERified Infrastructure for Discovery Laboratories. Это семантический цифровой двойник лабораторной установки: он хранит координаты и геометрию оборудования, расположение посуды, объёмы и высоту жидкостей, идентичность реагентов, состояние приборов и запас наконечников. Жидкостные операции выполняет специализированный робот, агент планирует и корректирует действия, а люди утверждают цели, проекты и протоколы и наблюдают за запусками. Метафору «ИИ получил пипетку» стоит читать именно как образ: пипетку держит машина.
Как замыкается цикл
Перед отправкой команды роботу VERID клонирует текущее состояние цифрового двойника и проводит ускоренную симуляцию. Проверяются баланс жидкости, свободные наконечники, вместимость ёмкостей, геометрические столкновения и допустимость операций. Некорректные команды блокируются до обращения к физическому оборудованию, а после выполнения приходят реальные данные, которые агент использует для следующего шага. Разница примерно как между советом «поезжай через центр» и навигатором, который знает про перекрытие: команда может быть верной сама по себе, но неверной в конкретной обстановке.
Без обратной связи от прибора цикл не замыкается и остаётся обычной генерацией текста. Поэтому в описании VERID так много места занимают скучные на первый взгляд вещи: высота наконечника, свободный объём лунки, остаток реагентов, состояние планшетного ридера. Лаборатория — это не только идеи, но и расходники, геометрия и физика жидкости.
Ошибка, которую заметили по физике, а не по тексту
Самый наглядный пример — сбой при последовательном двукратном разбавлении красителей. Фактическое изменение концентрации составляло примерно 1,4–1,8 раза вместо требуемых двух. Формула была правильной, команды тоже, но наконечники работали у самого дна: краситель расслаивался, а часть отверстий перекрывалась поверхностью лунки. После изменения высоты и схемы перемешивания коэффициент разбавления достиг 1,92–1,99.
Первопричину помог установить человек-оператор, и это существенно. Автоматизация не отменяет наблюдения: агент может перебрать варианты, но понять по синхронизированным видео и журналам, что жидкость ведёт себя не так, как в протоколе, иногда быстрее получается у человека. Зато сохранённое состояние установки позволило продолжить измерения после сбоя планшетного ридера без повторного пипетирования — вполне конкретная экономия времени и расходников.
Аптамеры: лаборатория как песочница
В опытах с ДНК-аптамерами против миоглобина и α-тромбина агенты прошли три цикла «дизайн — тест — улучшение», примерно по тысяче кандидатов за раунд и около 4400 секвенированных конструкций в сумме. Для α-тромбина доля подтверждённых попаданий выросла с 0% до 26,0%, а затем до 42,1%. Для миоглобина показатель сначала снизился с 10,2% до 3,7% из-за неспецифичных G-квадруплексов, но после изменения правил проектирования вырос до 33,5%, а специфичность восстановилась с 19,1% до 72,4%.
За красивыми цифрами легко пропустить оговорку. Лабораторные условия между раундами фиксировали люди, а синтез, выделение на магнитных частицах, ПЦР и секвенирование выполнялись в организованном исследователями процессе; некоторые предложенные агентом изменения протокола остались только рекомендациями и не применялись. Агент действительно анализировал исходные матрицы секвенирования, диагностировал ошибки и предлагал следующие последовательности — но полноценной самостоятельной лабораторией этот контур не был.
Белковые биндеры: гибрид оказался лучше полной автономии
Отдельный сюжет — проектирование связующих молекул к белку FAP (fibroblast activation protein alpha), связанному с микроокружением многих солидных опухолей. Исследователи сравнили три режима: работу ведущего учёного, полностью автономного агента и гибридный вариант. При одинаковых критериях гибрид поднял расчётную долю удачных конструкций с 5,06% до 9,33%, использовав около 58% исходного GPU-бюджета. Полностью автономный агент получил 6,18%: больше, чем у учёного, но меньше, чем у гибрида, и при этом менее эффективно расходовал вычислительный ресурс.
Экспериментальная проверка на поверхности дрожжей обнаружила четыре выбранных связующих молекулы с измеренной аффинностью 3,0–9,1 нМ. Звучит внушительно, но это ранняя стадия разработки молекул, а не лекарство и не доказательство противоопухолевого действия. Практический вывод авторов трезв: человеку полезнее задавать биологическую стратегию, а агенту — подбирать параметры, распределять ресурсы и выполнять итерации. На мой взгляд, именно это распределение ролей и есть самый интересный результат — он меньше всего похож на рекламный ролик про всесильный ИИ.
Что пока за пределами автономии
Границы здесь важнее громких формулировок. VERID проверяли преимущественно на смесях красителей и деионизированной воды, аптамеры и белковые биндеры изучались в отдельных контурах. Google прямо называет объединение трассируемой роботизации VERID с замкнутым поиском белков следующим шагом, а не готовым продуктом. Люди утверждали проекты, проверяли протоколы и наблюдали за роботами; последовательности проходили биобезопасностный скрининг, а в экспериментах использовались неинфекционные системы.
Стоит проговорить и статус публикаций: основные технические работы представлены как препринты, а не как рецензированные журнальные статьи. Независимый методологический разбор VERID указывает на отсутствие повторных запусков и доверительных интервалов для сравнения точности. Это не отменяет результаты, но заставляет читать цифры как итог конкретных экспериментальных траекторий, а не как универсальный показатель платформы. И нельзя смешивать долю удачных конструкций, специфичность и аффинность в наномолях: диапазон 3,0–9,1 нМ относится к белковым FAP-биндерам, а не к аптамерам.
Если хочется разбираться в таких сюжетах без восторженного шума и без сухого пересказа пресс-релизов, у GPT-Лаборатории есть Telegram и ВКонтакте — там разборы ИИ, автоматизации и реальных кейсов: https://t.me/jopotology и https://vk.ru/jopotology.
Смысл не в текстах о гипотезах
Главный сдвиг не в том, что модель научилась писать научные тексты. Он в том, что агент встроен в цикл с физической обратной связью: команда, симуляция, исполнение, измерение, корректировка. Цифровой двойник снижает риск испортить образцы, реагенты и оборудование, потому что некорректные команды отсекаются до контакта с реальностью; сохранённое состояние установки позволяет продолжать измерения после сбоя приборов.
Масштаб при этом остаётся скромным: отдельные прототипы на узком наборе задач. Переносить результаты с красителей, двух белковых мишеней и одного FAP-проекта на всю экспериментальную науку нельзя. Но направление понятно: ценность ИИ в лаборатории определяется не тем, насколько складно он рассуждает о гипотезах, а тем, насколько аккуратно встраивается в реальный эксперимент и что делает с полученной обратной связью.
Пипетку держит робот, ответственность — человек. Google показала не готового «ИИ-учёного», а строительные блоки: цифровой двойник, симуляцию перед исполнением, замкнутый цикл и распределение ролей. Чем автономнее становится лабораторный цикл, тем важнее, кто утверждает цели, протоколы и границы биобезопасности.
