Wissenschaftliche Arbeiten sind seit dem Erscheinen der ersten wissenschaftlichen Zeitschriften in den 1660er Jahren statische Dokumente. Ein Team der Stanford Medicine möchte sie zum Reden bringen. In einer am 16. September in der Fachzeitschrift Nature veröffentlichten Studie stellten Forscher Paper2Agent vor, ein System, das jedes wissenschaftliche Manuskript – seinen Text, seine Abbildungen und Daten – in einen interaktiven KI-Agenten umwandelt, der Fragen zur Arbeit beantworten, seine Methoden auf neue Daten anwenden und mit anderen Papieragenten zusammenarbeiten kann, um neue Erkenntnisse zu generieren.
Das Projekt wurde vom Postdoktoranden Jiacheng Miao und dem leitenden Autor James Zou, einem außerordentlichen Professor für biomedizinische Datenwissenschaft an der Stanford Medicine, geleitet.
Von passiven Seiten zu aktivem Wissen
„Im Wesentlichen in der gesamten Menschheitsgeschichte erfolgt die Darstellung von Wissen in Form dieser sehr passiven Artefakte“, sagte Zou in der Ankündigung von Stanford Medicine. „Früher haben die Menschen Wissen in Steine gemeißelt, und jetzt schreiben wir Wissen in Wörter auf Seiten – aber in mancher Hinsicht sind Seiten nicht viel besser.“
„Dies ist eine Gelegenheit, Wissen grundlegend neu zu definieren“, fügte er hinzu. „Warum wandeln wir nicht jeden statischen Datensatz in eine aktive Verkörperung von Wissen um, anstatt nur passive Artefakte zu haben?“ Zou beschreibt jeden Papieragenten als so etwas wie einen virtuellen Autor, der weiß, wie die Forschung tatsächlich durchgeführt wurde und sie erklären, verteidigen und erweitern kann.
Wie Paper2Agent einen Agenten erstellt
Der Konvertierungsprozess basiert auf einem Team von KI-„Arbeitsagenten“, die einen veröffentlichten Artikel zusammen mit allen zugehörigen Codes und Daten analysieren. Entscheidend ist, dass sie die Studie nicht nur lesen, sondern versuchen, sie in einer virtuellen Umgebung von Grund auf zu reproduzieren und dabei die dokumentierten Experimente zu simulieren. Durch die Wiederholung der Arbeit absorbieren die Agenten Know-how, das nie in das endgültige Manuskript gelangt, von Reagenzien und Softwareabhängigkeiten bis hin zu den Besonderheiten des Versuchsaufbaus.
Dieses Wissen wird dann mithilfe eines MCP gespeichert – einem Modellkontextprotokoll, das das Papier in einer zugänglichen Struktur organisiert. „Ein MCP ermöglicht es der KI im Wesentlichen, ein Papier-PDF in einer Form darzustellen, die für Agenten leicht zugänglich ist, fast wie ein Ablagesystem“, sagte Zou, wobei jeder Abschnitt des Papiers in einem eigenen Fach organisiert ist.
Allerdings können Maschinen nicht alles erfassen. Fehlgeschlagene Experimente, Entscheidungen und stillschweigende Überlegungen zu Designentscheidungen leben immer noch nur in den Köpfen der Forscher. Daher umfasst das System einen Gesprächsschritt, in dem der Papieragent die menschlichen Autoren interviewt, um diese Lücken zu schließen.
Die erste Entdeckung: Ein neuer Hinweis auf ADHS
Um zu demonstrieren, was die Zusammenarbeit von Agent zu Agent bewirken kann, wandelte das Team zwei unabhängige Papiere in Agenten um. Einer beschrieb ein Werkzeug zur Vorhersage, wie sich genetische Mutationen auf das Genom auswirken; die andere berichtete über eine genomweite Assoziationsstudie zum Risiko einer Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung.
Sobald beide kandidierten, fanden die Agenten selbständig eine gemeinsame Basis. Der Genomvorhersageagent wandte seine Methode auf den ADHS-Datensatz an und markierte eine molekulare Variante in der Nähe eines Gens namens MPHOSPH9 als mit einem erhöhten ADHS-Risiko verbunden – ein Zusammenhang, von dem Zou sagte, dass er zuvor nicht gemeldet worden sei.
„Wenn es in der Vergangenheit zwei Forschungsgruppen gab, die zwei unterschiedliche Arbeiten veröffentlichten, mussten diese beiden Forschungsgruppen irgendwie zueinander finden“, sagte Zou. Die langfristige Vision geht weit über eine handverlesene Paarung hinaus: Millionen von Papieragenten decken Überschneidungen untereinander auf und generieren in großem Maßstab neue Erkenntnisse – etwas, das Zou mit Manuskript-Speed-Dating vergleicht.
Versprechen, Namensnennung und Leitplanken
Das Team hat bisher mehr als 100 Papieragenten aufgebaut und arbeitet immer noch daran, wie Tausende oder Millionen von ihnen produktiv zueinander finden könnten. Zou argumentiert, dass die Vorteile für die Wissenschaft enorm sind – „Jedes Jahr werden Millionen von Artikeln veröffentlicht“, wie er anmerkte –, aber er weist ausdrücklich auf zwei Vorbehalte hin.
Erstens: Namensnennung. Agenten, die die Ergebnisse einer Arbeit erweitern, sollten die Arbeit der ursprünglichen Forscher verstärken und nicht begraben. „Es ist immer noch wichtig, die endgültigen Entdeckungen zuzuordnen und sie auf Originalarbeiten und ursprüngliche menschliche Autoren zurückzuführen“, sagte er.
Zweitens: Aufsicht. Die Parameter, nach denen Agenten zusammenarbeiten und Entdeckungen machen, sollten genau gesteuert und überwacht werden, sagte Zou, um diese Zusammenarbeit mit sicheren und ethischen Forschungspraktiken in Einklang zu bringen.
Die Arbeit wurde durch Mittel des Chan-Zuckerberg Biohub unterstützt.
Warum es wichtig ist
Paper2Agent landet in einer Forschungslandschaft, die bereits durch KI-gestützte Literaturrecherche und Laborautomatisierung umgestaltet wurde, aber seine Prämisse ist eine andere: Anstatt ein allgemeines Modell zur Zusammenfassung von Arbeiten zu verwenden, verwandelt es jede Arbeit in einen verifizierten, ausführbaren Spezialisten, der die zugrunde liegende Wissenschaft tatsächlich noch einmal durchläuft. Wenn der Ansatz verallgemeinert wird, könnte sich die wissenschaftliche Arbeit selbst von einem zitierfähigen Dokument zu einem funktionierenden Teil der Infrastruktur entwickeln – und die Geschwindigkeit, mit der Erkenntnisse über Disziplinen hinweg vernetzt werden, könnte sich entsprechend beschleunigen.
_Bleiben Sie immer einen Schritt voraus. Erfahren Sie auf AI Buzz Wire das Neueste über KI-Durchbrüche und was sie für Wissenschaft und Industrie bedeuten._
