کلود ساینس، یک محیط کار هوش مصنوعی برای دانشمندان، اکنون در دسترس است

هوش مصنوعی این پتانسیل را دارد که سرعت کشف علمی و توسعه مداخلات مراقبت‌های بهداشتی را به طور چشمگیری تسریع بخشد. از پاییز گذشته که تلاش‌های خود را در علوم زیستی آغاز کردیم، برای بهبود قابلیت‌های مدل خود، ایجاد ارتباط با اکوسیستم علمی از طریق MCPها و مهارت‌ها، و آغاز مشارکت‌ها در تلاش برای تحقق این پتانسیل کار کرده‌ایم.

امروز، ما مهم‌ترین توسعه این تلاش‌ها را معرفی می‌کنیم: کلود ساینس، یک محیط کار هوش مصنوعی برای دانشمندان. کلود ساینس یک برنامه کاربردی است که ابزارها و بسته‌هایی را که محققان بیشتر از آنها استفاده می‌کنند، یکپارچه ساخته، مصنوعات قابل حسابرسی تولید می‌کند و دسترسی انعطاف‌پذیر به منابع محاسباتی را فراهم می‌آورد.

تحقیقات علمی اغلب خسته‌کننده است. محققان باید در ده‌ها پایگاه داده مختلف، هر یک با شمای خاص خود، کار کنند، با فرمت‌های فایلی سروکار داشته باشند که به خطوط لوله و نمایشگرهای داده سفارشی نیاز دارند، و بین ابزارهای مختلفی مانند PubMed، Jupyter، R، یک ترمینال کلاستر و موارد دیگر جابجا شوند.

کلود ساینس این ابزارهای پراکنده را در یک محیط تحقیقاتی واحد گرد هم می‌آورد که دانشمندان می‌توانند تمام مراحل کار خود را در آن انجام دهند. این ابزار به شما کمک می‌کند تا ادبیات علمی را تحلیل کرده و تحقیقات چند مرحله‌ای را اجرا کنید، مصنوعات دقیق تولید می‌کند و به شما امکان می‌دهد تا ارقام و نسخه‌های خطی را به صورت تکراری و مداوم بهبود بخشید تا زمانی که برای انتشار آماده شوند. هر خروجی، تاریخچه‌ای قابل حسابرسی از نحوه ایجاد خود را به همراه دارد، بنابراین می‌توانید نتایج را اعتبارسنجی و بازتولید کنید. مانند یک ژوپیتر نوت‌بوک (Jupyter Notebook)، می‌توانید به کلود ساینس در هر کجا که کار می‌کنید – به صورت محلی در macOS یا Linux، یا روی یک دستگاه از راه دور از طریق SSH یا با گره ورود به سیستم HPC – دسترسی داشته باشید.

کاربران با یک عامل هماهنگ‌کننده عمومی تعامل می‌کنند که به بیش از 60 مهارت و اتصال‌دهنده منتخب که از پیش برای ژنومیکس، تک‌سلولی، پروتئومیکس، زیست‌شناسی ساختاری، شیمی‌انفورماتیک و موارد دیگر پیکربندی شده‌اند، دسترسی دارد. این عوامل می‌توانند عوامل دیگر را فعال کرده و با عوامل تخصصی ایجاد شده توسط کاربران همکاری کنند. و یک عامل بازبین، استنادات و محاسبات را بررسی می‌کند، خطاها را شناسایی و اصلاح می‌نماید.

ما امروز کلود ساینس را در نسخه بتا برای کاربران Claude Pro, Max, Team و Enterprise منتشر می‌کنیم و با جمع‌آوری بازخورد کاربران به بهبود پلتفرم ادامه خواهیم داد.

مصنوعات علمی غنی، کاملاً قابل بازتولید. تحقیقات علمی ذاتاً بصری هستند، بنابراین کلود ساینس ارقام و نسخه‌های خطی را در کنار کدی که آنها را ایجاد کرده است، تولید می‌کند. این ابزار به صورت بومی مصنوعات علمی غنی از جمله ساختارهای سه بعدی پروتئین، ردیاب‌های مرورگر ژنوم، ساختارهای شیمیایی و موارد دیگر را رندر می‌کند. می‌توانید در مورد هر جزئیات با عامل گفتگو کنید، ارقام و نسخه‌های خطی را به صورت خطی حاشیه‌نویسی کنید تا عامل بداند چه چیزی را باید برای آماده‌سازی آنها برای انتشار اصلاح کند.

هنگامی که کلود ساینس یک شکل را تولید می‌کند، کد و محیط دقیق تولید کننده آن، توضیحی به زبان ساده از نحوه ایجاد آن و تاریخچه کامل پیام‌ها را نیز شامل می‌شود. این به شما امکان می‌دهد ورودی‌ها را درک کنید، که اعتبارسنجی و بازتولید کار را حتی ماه‌ها بعد آسان‌تر می‌کند. می‌توانید از کلود ساینس بخواهید ویرایش‌هایی را به زبان ساده بر روی اشکال اعمال کند – مثلاً حذف خطوط شبکه‌ای یا تغییر یک محور به مقیاس لگاریتمی – و عامل کد خود را ویرایش خواهد کرد.

محاسبات شما را مدیریت می‌کند و بر اساس تقاضا مقیاس‌پذیر است. تحلیل‌های بزرگ – به عنوان مثال، تا کردن یک پروتئین، یا اجرای یک خط لوله ژنومیکس بر روی یک مجموعه داده عظیم – اغلب از محققان می‌خواهد که تمرکز خود را به راه‌اندازی یک کار محاسباتی، انتظار کشیدن در حین ارسال آن به یک کلاستر، بررسی موفقیت یا شکست آن و سپس بازگرداندن نتایج معطوف کنند. کلود ساینس این فرآیند را برای شما مدیریت می‌کند. این ابزار یک برنامه طرح می‌کند، قبل از دسترسی به منابع جدید اجازه می‌گیرد، و به شما امکان می‌دهد هر تصمیمی را قبل از نوشتن و ارسال کار به منابع محاسباتی که آزمایشگاه شما از قبل استفاده می‌کند (کلاستر HPC خود از طریق SSH یا حساب Modal شما برای محاسبات درخواستی) بازبینی یا لغو کنید و تحلیل را از یک GPU واحد به صدها GPU در صورت نیاز مقیاس‌پذیر می‌کند.

از آنجایی که عوامل آن در یک نشست در حال اجرا کار می‌کنند که زمینه را در حافظه نگه می‌دارد، حتی مجموعه‌های داده عظیم فقط یک بار نیاز به بارگذاری دارند. این ابزار بر روی زیرساخت خود آزمایشگاه شما – لپ‌تاپ، جعبه لینوکس یا گره ورود به سیستم HPC شما – اجرا می‌شود، بنابراین مجموعه‌های داده بزرگ یا حساس هرگز نیازی به ترک سیستم‌هایی که از قبل در آنها هستند، ندارند و تنها زمینه مورد نیاز برای هر مرحله از تحلیل به کلود ارسال می‌شود. با اجرای خط لوله، یک عامل بازبین خروجی‌ها را بازرسی می‌کند، استنادات نادرست، اعداد غیرقابل ردیابی و اشکالی که با کد زیربنایی آنها مطابقت ندارند را پرچم‌گذاری و در حین کار خود اصلاح می‌کند. می‌توانید نشست را در هر نقطه‌ای فورک کنید تا دو رویکرد را بدون از دست دادن رشته اصلی مقایسه کنید.

آماده برای حوزه تخصصی از روز اول. دانش علمی در صدها منبع تخصصی پراکنده شده است. به عنوان مثال، در زیست‌شناسی، داده‌های مربوطه ممکن است در منابعی مانند UniProt، PDB، Ensembl، Reactome، ClinVar، ChEMBL، GEO – هر یک با شمای و زبان کوئری خود – و همچنین در مجلات و سرورهای پیش‌چاپ، و مدل‌های باز خاص حوزه قرار داشته باشند. هنگامی که یک سوال را به زبان ساده از کلود ساینس می‌پرسید، عوامل تخصصی از تمام این منابع کوئری گرفته و آنها را ترکیب می‌کنند تا شما مجبور نباشید به صورت فردی در آنها جستجو کنید. کلود ساینس از مهارت‌های موجود در BioNeMo Agent Toolkit از NVIDIA استفاده می‌کند تا به صورت بومی به مدل‌ها و کتابخانه‌های علوم زیستی در BioNeMo، از جمله Evo 2، Boltz-2 و OpenFold3، متصل شود.

دانشمندان از قبل مدل‌ها، مجموعه‌های داده و خطوط لوله‌ای دارند که به آنها اعتماد دارند. کلود ساینس می‌تواند به این‌ها نیز متصل شود، هر خط لوله را به عنوان یک مهارت قابل استفاده مجدد ذخیره کرده یا با استفاده از یک اتصال‌دهنده به ابزار ترجیحی آزمایشگاه شما دسترسی پیدا کند، و نشست‌های آینده به طور خودکار آنها را به ارث می‌برند. این قابلیت سفارشی‌سازی به شما امکان می‌دهد در یک مکالمه به کلود، داده‌های اختصاصی خود و ابزارهای اعتبارسنجی‌شده‌ای که از قبل به آنها تکیه دارید، دسترسی پیدا کنید. کلود ساینس از تخصص و پلتفرم‌های تخصصی شرکای ما بهره می‌برد، در حالی که دانشمندان بیشتری از طریق کلود به ابزارهای خود دسترسی پیدا می‌کنند.

در طول چند ماه گذشته، محققان با کلود ساینس در نسخه بتا برای کارهایی مانند تحلیل توالی‌یابی RNA تک‌سلولی، طراحی غربالگری CRISPR، پیش‌بینی ساختار پروتئین، شیمی‌انفورماتیک و موارد دیگر کار کرده‌اند.

Manifold Bio داروهای هدف‌مند بافتی را طراحی می‌کند – که به یک عضو یا نوع سلول خاص می‌رسند تا دارو در جایی که لازم است عمل کند و بقیه بدن را نجات دهد – و بررسی می‌کند که چگونه میلیون‌ها نامزد اتصال‌دهنده مربوط به صدها هدف به طور همزمان در یک بدن زنده توزیع می‌شوند. Manifold از کلود ساینس برای انتخاب اهداف آزمایشات اخیر خود استفاده کرد. برای هر بافت و هدف، کلود ساینس بیان سطحی، قاچاق و ایمنی را ارزیابی کرد و نامزدها را بر اساس معیارهایی که Manifold از داده‌های اختصاصی داخلی خود آموخته بود، رتبه‌بندی کرد. به گفته Manifold، آنچه کلود ساینس را از یک دستیار کدنویسی عمومی متمایز می‌کرد، این بود که می‌توانست این کار را به صورت سرتاسری انجام دهد و داده‌های صحیح را جمع‌آوری کرده و قضاوت صحیح را با در نظر گرفتن برنامه‌های گذشته اعمال کند.

ژروم لکوک (Jérôme Lecoq)، عصب‌شناس در موسسه آلن (Allen Institute)، از کلود ساینس برای ساخت یک "قالب بازبینی محاسباتی" چند عاملی استفاده کرد که حدود 20 مهارت سفارشی را برای نوشتن بازبینی‌های طولانی در بر می‌گرفت. عوامل فرعی هزاران مقاله را خواندند، ادعای اصلی و یافته کمی کلیدی را استخراج کرده و آنها را در یک پایگاه داده شواهد ذخیره کردند. سپس خط لوله یک قوس روایی را ساخت، بخش به بخش بازبینی را نوشت و هر بخش را به عامل فرعی تخصصی خود واگذار کرد. در هر بخش، عوامل اختصاصی، اشکال کمی بین‌مطالعاتی را مستقیماً از پایگاه داده شواهد تولید می‌کنند. یک جزء کلیدی از گردش کار، که توسط کلود ساینس ممکن شد، استفاده از جفت‌های کنشگر-منتقد بود: یک عامل محتوا را ایجاد می‌کند در حالی که یک عامل بازبین جداگانه آن را برای دقت و صحت استنادات ارزیابی می‌کند.

قبل از کلود ساینس، تیم لکوک ممکن بود تا دو سال طول بکشد تا چنین بازبینی‌ای را بنویسد. او اکنون حدود 10 بازبینی دارد، بسیاری بیش از 100 صفحه، با استناداتی که توسط عوامل بازبین بررسی شده‌اند. تیم اکنون با کارشناسان حوزه برای بهبود بیشتر عوامل منتقد مبتنی بر هوش مصنوعی کار می‌کند.

و استفان فرانسیس (Stephen Francis)، دانشیار و اپیدمیولوژیست در مرکز تومور مغزی UCSF، از کلود ساینس برای پشتیبانی از مطالعات مربوط به اپیدمیولوژی مولکولی گلیوما (glioma)، نوعی تومور اولیه که در سلول‌های گلیال مغز شروع می‌شود، استفاده کرده است. آزمایشگاه او مبنای ژنتیکی چگونگی ترکیب هزاران واریانت خط ژرم (germline variants) با اثرات کوچک را برای شکل‌دهی به حساسیت فردی بررسی می‌کند. اگرچه این کار پیش از کلود ساینس آغاز شده بود، فرانسیس اظهار داشت که این برنامه کاربردی تحلیل را به طور چشمگیری تسریع کرده و امکان انجام کارهای جامع خط ژرم را در رویکردهای متعدد در حدود یک‌دهم زمان قبلی فراهم آورده است. گروه او نتایج کلود ساینس را به طور مستقل اعتبارسنجی کرده و تأیید نمود که این ابزار می‌تواند تحلیل‌های سریع و قوی را تولید کند.

برنامه کلود ساینس در نسخه بتا بر روی macOS و Linux برای طرح‌های Pro، Max، Team و Enterprise در دسترس است. ما آن را زودتر به اشتراک می‌گذاریم تا دانشمندان بتوانند از آن برای مشکلات واقعی استفاده کنند و به ما بگوینند چگونه آن را بهبود بخشیم.

کاربران Team و Enterprise نیاز دارند که مدیرشان کلود ساینس را فعال کند. ما اکنون یک طرح Team ارائه می‌دهیم که صندلی‌های با تخفیف را برای آزمایشگاه‌های علمی فعال در موسسات دانشگاهی و سازمان‌های تحقیقاتی غیرانتفاعی فراهم می‌کند؛ برای اطلاعات بیشتر اینجا را ببینید.

ما همچنین تا 50 پروژه هوش مصنوعی برای علم کلود ساینس را پشتیبانی خواهیم کرد و تا 30,000 دلار اعتبار ارائه می‌دهیم. Modal نیز تا 2,000 دلار اعتبار محاسباتی برای پروژه‌های منتخب فراهم خواهد کرد. ما به دنبال پروژه‌هایی هستیم که حوزه‌های مختلف را پوشش دهند و مرزهای علم را کشف کنند، با تمرکز اولیه بر زیست‌شناسی و تحقیقات زیست‌پزشکی. درخواست‌ها تا 15 ژوئیه 2026 باز است و اطلاع‌رسانی جوایز تا 31 ژوئیه انجام می‌شود. پروژه‌ها از 1 سپتامبر تا 1 دسامبر 2026 اجرا خواهند شد – اینجا درخواست دهید.

برای به‌روز ماندن در مورد اعلامیه‌های محصول، ارائه بازخورد و یادگیری از دیگران در جامعه کلود ساینس، به جامعه هوش مصنوعی برای علم Discourse بپیوندید.

کار با کلود ساینس را در claude.com/science شروع کنید.