A jövő önvezető laboratóriuma (self-driving lab, SDL) magát működteti: hipotéziseket állít fel, kísérleteket tervez, berendezéseket üzemeltet, elemzi az eredményeket. Tanul és fejlődik, amíg el nem éri a kitűzött célokat, például egy új gyógyszert vagy anyagot hoz létre.

A mesterséges intelligencia már markánsan jelen van a tudományban. Rejtett infók után kutatva fürkésztetnek vele cikkeket, atomoktól galaxisokig, szinte mindent szimulál, prognosztizálja az élet építőelemeinek viselkedését. Demis Hassabis, a Google DeepMind vezérigazgatója szerint az MI lehet a tudományos felfedezések felgyorsításának legjobb eszköze. Az SDL koncepciója komoly lépés ebben az irányban. Mert a labor nemcsak tudományos eszköz, hanem a tudományos folyamat aktív szereplőjévé is válhat.

A teljesen automatizált „laboratórium egy dobozban” az ember nélküli gyár koncepciójának továbbgondolása. Az ötlet nem új; az MI tudományos kísérletek tervezésében való felhasználásának gondolata legalább 1985-re nyúlik vissza. A technológiai fejlődéssel most már meg is valósíthatjuk.

Teljesen automatizált laborok nem jelennek meg egyik napról a másikra. Építésük bonyolult mérnöki feladat, rezsiköltségük magas. Kutatók és szervezetek nemzetközi kísérleti projektekben prototípusokon dolgoznak, és bizakodnak. 

Például az amerikai Argonne Nemzeti Laboratórium automatizált anyaglaboratóriumában robotok új vezetőképes polimer anyagok létrehozásán dolgoznak. Emberi utasítások követése helyett egy gépi „főnök”, MI-ágens dönt a kísérletek elvégzésének módjáról. A Sheffield Egyetemen vegyi reakciók elemzésére építettek SDL-t, a labor működését gépitanulás-algoritmusok optimalizálják.

Az eredmények számszerűsítésekor kiderült, hogy az önvezető laborok rendszeres használatával tizedére csökkent a következtetéshez szükséges kísérletek száma. A terület szakértői szerint ha a technológia hatékonyan skálázható, akkor drámai módon lerövidülhetnek a komoly felfedezésekhez vezető, ma még évekig-évtizedekig tartó kísérletek.

Az SDL azonban technológiai és etikai kérdéseket is felvet.

A laboroknak hozzá kell férniük a torzítás kockázatát minimalizáló, kiváló minőségű adatokhoz, kifinomult bemeneti eszközökre, például a fizikai világot vizsgáló szkennerekre és kamerákra, a valós időben generált információáradat feldolgozásához pedig elegendő számítási teljesítményre lesz szükségük.

A biztonsági és az irányítási infrastruktúra legalább ennyire fontos. A gépi döntéshozás nem felel meg mindig a kutatás során felmerülő etikai kérdéseknek. Például hogyan mérlegelje egy új gyógyszert vagy anyagot kutató gép termékek emberekre gyakorolt ​​​​hasznosságát, miközben árthat is nekünk? Ha elkerülhetetlen a károkozás? És ha a gépekkel vírusokat terveztetnek?