Работа, на которую раньше уходило два года, теперь выполняется за несколько недель.
Недавно нейробиолог Жером Лекок и его команда из Института Аллена сократили время написания объемного обзорного исследования с почти двух лет до нескольких недель.
У Жерома Лекока накопилось около 10 обзоров, многие из которых превышают 100 страниц, и каждая цитата в них была проверена предложение за предложением специальным агентом.
Помощником в этой работе стало новое приложение от Anthropic — Claude Science.
30 июня 2026 года Anthropic выпустила Claude Science, позиционируя его как AI-рабочее окружение для ученых. (Источник изображения: официальный блог Anthropic)
По данным Anthropic, раньше на эту работу у ученого и его команды уходило два года.
Anthropic позиционирует Claude Science не как более умную научную модель, а как AI-рабочее окружение для ученых.
Его настоящий прорыв заключается в том, что впервые научная работа была разбита на поэтапно проверяемый конвейерный процесс.
Сейчас Claude Science находится в бета-версии на macOS и Linux, доступен для пользователей Pro, Max, Team и Enterprise.
Что действительно меняется, так это вся цепочка научных инструментов
Те, кто занимался научными исследованиями, понимают эту рутину:
Проект требует постоянного переключения между десятками баз данных, каждая со своей схемой и языком запросов;
Файловые форматы самые разные, под каждый нужно настраивать конвейеры, искать просмотрщики;
Под рукой — целый набор инструментов: PubMed для поиска литературы, Jupyter для запуска кода, R для статистики, терминал кластера для отправки задач...
Постоянное переключение контекста, и время, которое должно было уходить на обдумывание научных проблем, часто тратится на эти перемещения, склейки и отладки.
А Claude Science как раз занимается тем, что «упаковывает» эти разрозненные сценарии в единую среду выполнения:
Анализ литературы, многошаговые вычисления, доработка графиков, подготовка статей — все этапы проходят в одной среде, не требуя прерывания мыслительного процесса для смены инструмента.
Он может работать локально на вашем macOS или Linux, подключаться по SSH к удаленной машине или запускаться на узле входа в высокопроизводительные вычисления (HPC).
Как и при работе с Jupyter, он идет туда, где находятся данные.
Он даже берет на себя планирование вычислительных ресурсов.
Сворачивание белка или запуск геномного конвейера на огромных данных — раньше такие задачи требовали от исследователя личного участия: настройка задания, ожидание очереди в кластере, отслеживание успеха или неудачи, выгрузка результатов — и полдня уходило.
Claude Science берет на себя этот процесс: сначала составляет план, спрашивает разрешения перед использованием новых ресурсов, позволяет проверить или отменить задание перед его отправкой, масштабирует анализ с одного GPU до сотен.
Claude Science отправляет сканирование 8 наборов гиперпараметров scVI на лабораторный кластер A100. Блокнот справа и агент используют одно ядро в реальном времени, переменные и состояние синхронизируются. (Источник изображения: официальный блог Anthropic)
Важнее то, что конфиденциальные данные не покидают исходную систему — Claude получает только необходимый для каждого шага контекст.
К каждому графику прилагается отслеживаемый код
Научная работа по своей природе связана с графиками: трехмерные структуры белков, треки геномного браузера, химические структурные формулы — это все графики.
Claude Science использует это: создавая графики и документы, он также предоставляет код, который их генерировал, и может рендерить их нативно.
Ключевой момент — воспроизводимость (reproducibility).
Каждый раз, когда Claude Science создает график, он «прикрепляет» к нему точный код генерации, среду выполнения, текстовое описание и полную историю диалога.
Слева — клеточная карта по 138 видам, справа в том же окне — точный код, который ее создал. Можно обвести аннотацию и попросить агента изменить график. Каждый результат воспроизводим и отслеживаем до кода. (Источник изображения: официальный блог Anthropic)
От подачи статьи до публикации часто проходит больше полугода; через несколько месяцев, когда рецензент попросит перезапустить какой-то график, вы сможете легко воспроизвести всю цепочку вводных данных, процесса и результата.
Хотите изменить график? Просто скажите — «убери сетку», «смени ось Y на логарифмическую» — агент напрямую изменит написанный им код.
Вы также можете в любой момент создать ветку (fork) сессии, чтобы одновременно попробовать два подхода, при этом исходная ветка не будет нарушена.
Одним словом, научная работа впервые интегрирована в проверяемый (auditable) рабочий процесс, где код, среда и история помещены в замкнутый цикл.
Один агент пишет, другой — специально ищет ошибки
За Claude Science стоит не один агент, действующий в одиночку.
Вы взаимодействуете с координирующим агентом, который управляет более чем 60 предварительно настроенными навыками и коннекторами для геномики, одноклеточного анализа, протеомики, структурной биологии, химической информатики.
При увеличении объема работы он может самостоятельно делегировать задачи другим агентам, а также вызывать созданных вами экспертных агентов.
Самое интересное — это агент-рецензент (reviewer agent).
Он специализируется на проверке цитирований и вычислений, выявляет ошибочные ссылки, цифры без источника, графики, не соответствующие коду, отмечает их и исправляет.
В случае с Институтом Аллена команда использовала именно пару «актор-критик»: один агент отвечал за написание, другой — за оценку его точности и достоверности цитирований.
Эта структура уже напоминает зачатки «внутреннего рецензирования AI».
Но важно четко обозначить границу: на всех этапах присутствует человек в цикле (human-in-the-loop).
Перед использованием новых ресурсов он запрашивает разрешение, каждое решение можно перепроверить и отменить. Он автоматизирует процесс, а не делает научные открытия вместо вас.
Он также интегрирован с NVIDIA BioNeMo Agent Toolkit и может нативно подключаться к таким моделям для наук о жизни, как Evo 2, Boltz-2, OpenFold3.
Доверенные модели, данные и конвейеры из вашей лаборатории также можно сохранить как повторно используемые навыки и подключить для автоматического наследования в будущих сессиях.
Первой областью для Claude Science стали науки о жизни
Первой областью применения Claude Science стали науки о жизни.
Геномика, одноклеточный анализ, протеомика, структурная биология, химическая информатика — всё готово к использованию.
Он может читать литературу, запрашивать более 60 научных баз данных — UniProt, PDB, Ensembl, ClinVar, ChEMBL, GEO и др. Вам больше не нужно изучать, как пользоваться каждой из них.
Claude Science имеет предварительно настроенные среды для геномики, одноклеточного анализа, протеомики, химической информатики, опирается на более чем 60 научных баз данных. (Источник изображения: официальный блог Anthropic)
Manifold Bio занимается тканеспецифическими лекарствами.
Они используют Claude Science для выдвижения кандидатов-мишеней для новейших экспериментов, оценки для каждой ткани и мишени поверхностной экспрессии, транспорта и безопасности, а затем ранжирования кандидатов по стандартам, выученным компанией из собственных данных.
По словам Manifold, обычные программистские помощники на это не способны, а Claude Science может выполнить задачу от начала до конца: взять правильные данные, принять правильное решение, учитывая контекст предыдущих проектов.
Есть и более сложные примеры.
Доцент эпидемиологии из Центра опухолей мозга UCSF использовал его для молекулярно-эпидемиологического исследования глиомы, анализируя, как тысячи микропризнаковых герминальных (germline) вариантов накладываются друг на друга и формируют индивидуальную предрасположенность.
По данным Anthropic, на этот анализ герминальных вариантов Claude Science потратил примерно 1/10 от прежнего времени. Его команда также независимо проверила результаты, подтвердив их скорость и надежность.
Однако эти сценарии 10-кратного ускорения пока ограничиваются написанием обзоров, геномным анализом, автоматизацией конкретных конвейеров и не равны «общему 10-кратному ускорению научных исследований».
В то же время меняется и планка научной достоверности.
Раньше надежность исследования оценивалась по рецензированию коллегами и возможности его воспроизведения другими.
А воспроизводимость долгое время была одной из главных проблем науки: код потерян, среда изменилась, через несколько месяцев даже автор не может воспроизвести исходный график.
У каждого графика Claude Science есть отслеживаемый код, каждый результат связан со своей средой и историей. Похоже, он первым преодолевает барьер воспроизводимости.
Три игрока на одной дорожке
На бионаучной дорожке соревнуются три гиганта, но у каждого свой подход.
Google делает ставку на уникальные модели, OpenAI — на научный интеллект моделей, а Anthropic — на рабочий процесс.
Google держит в руках собственные модели, которых нет у других, — AlphaFold, AlphaGenome и т.д.
OpenAI идет по другому пути.
В апреле этого года они выпустили GPT-Rosalind — передовую модель, созданную специально для биологических рассуждений и открытия лекарств.
Сейчас они пошли дальше, начав обучать «научную проницательность» модели.
Они только что выпустили GeneBench-Pro, специально тестирующую способность модели делать суждения, как вычислительный биолог: 129 задач, от геномики и популяционной генетики до клинической диагностики, проверяющих интуицию «поддерживают ли данные этот вопрос» и «на каком этапе нужно начать заново».
Самый сильный GPT-5.6 Sol показал 28.7%, в режиме Pro — 31.5%; GPT-5 нескольких поколений назад — менее 5%.
По словам самого OpenAI, при такой скорости к концу года тест может быть пройден.
Но даже самая сильная модель решает менее трети. А нерешенная часть — это как раз место для ученого-человека.
Недостатки ИИ, выявленные GeneBench-Pro, также очевидны:
Модель может начать, но не завершить последний этап, например, решить, стоит ли отбрасывать набор выбросов, как изменить подход после опровержения гипотезы — такие решения все еще должен принимать сам ученый.
Claude Science тоже не обошел это стороной: предложения передаются на проверку человеку, каждое решение можно отменить. Он автоматизирует процесс, но право принятия решений не передается модели — человек всегда остается в цикле.
Для таких ученых, как Лекок, важно, можно ли воспроизвести обзор и останется ли он актуальным через несколько месяцев, а не лишние доли процента в рейтингах.
Claude Science делает ставку именно на то, чтобы внедрить ИИ в повседневную лабораторную практику.
Ссылки:
https://www.anthropic.com/news/claude-science-ai-workbench
https://openai.com/index/introducing-genebench-pro/
Эта статья из официального аккаунта WeChat «Новая эра искусственного интеллекта», автор: ASI Апокалипсис
