Οι επιστημονικές εργασίες είναι στατικά έγγραφα από τότε που εμφανίστηκαν τα πρώτα επιστημονικά περιοδικά τη δεκαετία του 1660. Μια ομάδα στο Stanford Medicine θέλει να τους κάνει να μιλήσουν. Σε μια μελέτη που δημοσιεύτηκε στις 16 Σεπτεμβρίου στο περιοδικό Nature, οι ερευνητές παρουσίασαν το Paper2Agent, ένα σύστημα που μετατρέπει οποιοδήποτε επιστημονικό χειρόγραφο -το κείμενο, τα σχήματα και τα δεδομένα του- σε έναν διαδραστικό παράγοντα τεχνητής νοημοσύνης που μπορεί να απαντήσει σε ερωτήσεις σχετικά με την εργασία, να εφαρμόσει τις μεθόδους του σε νέα δεδομένα και να συνεργαστεί με άλλους πράκτορες χαρτιού για να δημιουργήσει νέα ευρήματα.
Το έργο ηγήθηκε από τον μεταδιδακτορικό μελετητή Jiacheng Miao και τον ανώτερο συγγραφέα James Zou, αναπληρωτή καθηγητή της επιστήμης βιοϊατρικών δεδομένων στο Stanford Medicine.
Από παθητικές σελίδες στην ενεργή γνώση
«Για ουσιαστικά όλη την ανθρώπινη ιστορία, ο τρόπος με τον οποίο αντιπροσωπεύουμε τη γνώση είναι με τη μορφή αυτών των πολύ παθητικών τεχνουργημάτων», είπε ο Ζου στην ανακοίνωση της Stanford Medicine. «Στα παλιά χρόνια οι άνθρωποι σκάλιζε τη γνώση σε πέτρες και τώρα πληκτρολογούμε τη γνώση σε λέξεις στις σελίδες — αλλά από κάποια άποψη οι σελίδες δεν είναι και τόσο καλύτερες».
«Αυτή είναι μια ευκαιρία να ξανασκεφτούμε βασικά πώς μοιάζει η γνώση», πρόσθεσε. "Αντί να έχουμε μόνο παθητικά τεχνουργήματα, γιατί δεν μετατρέπουμε κάθε στατική εγγραφή σε μια ενεργή ενσάρκωση της γνώσης;" Ο Zou περιγράφει κάθε πράκτορα χαρτιού σαν έναν εικονικό συγγραφέα που γνωρίζει πώς έγινε η έρευνα και μπορεί να την εξηγήσει, να την υπερασπιστεί και να την επεκτείνει.
Πώς το Paper2Agent δημιουργεί έναν πράκτορα
Η διαδικασία μετατροπής βασίζεται σε μια ομάδα «εργαζομένων πρακτόρων» της τεχνητής νοημοσύνης που αναλύει μια δημοσιευμένη εργασία μαζί με οποιονδήποτε σχετικό κώδικα και δεδομένα. Το σημαντικό είναι ότι δεν διαβάζουν απλώς τη μελέτη - προσπαθούν να την αναπαράγουν από την αρχή σε ένα εικονικό περιβάλλον, προσομοιώνοντας τα τεκμηριωμένα πειράματα. Επαναλαμβάνοντας την εργασία, οι πράκτορες απορροφούν τεχνογνωσία που δεν μπαίνει ποτέ στο τελικό χειρόγραφο, από τα αντιδραστήρια και τις εξαρτήσεις λογισμικού μέχρι τις ιδιαιτερότητες της πειραματικής εγκατάστασης.
Στη συνέχεια, αυτή η γνώση αποθηκεύεται χρησιμοποιώντας ένα MCP — ένα μοντέλο πρωτοκόλλου περιβάλλοντος που οργανώνει το χαρτί σε μια προσβάσιμη δομή. "Ένα MCP επιτρέπει στην τεχνητή νοημοσύνη να αντιπροσωπεύει ουσιαστικά ένα έντυπο PDF σε μια μορφή που είναι εύκολη η πρόσβαση των πρακτόρων, σχεδόν όπως ένα σύστημα αρχειοθέτησης", είπε ο Ζου, με κάθε τμήμα του χαρτιού οργανωμένο στο δικό του διαμέρισμα.
Ωστόσο, οι μηχανές δεν μπορούν να καταγράψουν τα πάντα. Τα αποτυχημένα πειράματα, οι κρίσεις και η σιωπηρή λογική πίσω από τις σχεδιαστικές επιλογές εξακολουθούν να ζουν μόνο στα κεφάλια των ερευνητών. Έτσι, το σύστημα περιλαμβάνει ένα βήμα συνομιλίας στο οποίο ο πράκτορας χαρτιού παίρνει συνεντεύξεις από τους συγγραφείς για να καλύψει αυτά τα κενά.
Η πρώτη ανακάλυψη: Ένας νέος οδηγός ΔΕΠΥ
Για να αποδείξει τι θα μπορούσε να επιτύχει η συνεργασία μεταξύ πρακτόρων, η ομάδα μετέτρεψε δύο άσχετα έγγραφα σε πράκτορες. Ένας περιέγραψε ένα εργαλείο για την πρόβλεψη του τρόπου με τον οποίο οι γενετικές μεταλλάξεις επηρεάζουν το γονιδίωμα. ο άλλος ανέφερε μια μελέτη συσχέτισης σε όλο το γονιδίωμα για τον κίνδυνο διαταραχής ελλειμματικής προσοχής/υπερκινητικότητας.
Μόλις και οι δύο έτρεχαν, οι πράκτορες βρήκαν κοινό έδαφος μόνοι τους. Ο παράγοντας πρόβλεψης γονιδιώματος εφάρμοσε τη μέθοδό του στο σύνολο δεδομένων ADHD και επισήμανε μια μοριακή παραλλαγή κοντά σε ένα γονίδιο που ονομάζεται MPHOSPH9 ως συσχετισμένη με αυξημένο κίνδυνο ΔΕΠΥ - μια σύνδεση που ο Zou είπε ότι δεν είχε αναφερθεί πριν.
«Στο παρελθόν, εάν υπάρχουν δύο ερευνητικές ομάδες που δημοσιεύουν δύο διαφορετικές εργασίες, αυτές οι δύο ερευνητικές ομάδες πρέπει με κάποιο τρόπο να βρουν η μία την άλλη», είπε ο Ζου. Το μακροπρόθεσμο όραμα είναι πολύ μεγαλύτερο από ένα επιλεγμένο ζεύγος: εκατομμύρια χάρτινοι πράκτορες επικαλύπτονται μεταξύ τους και δημιουργούν νέες ιδέες σε κλίμακα — κάτι που ο Ζου συγκρίνεται με τη χρονολόγηση με ταχύτητα χειρογράφων.
Υπόσχεση, απόδοση και προστατευτικά κιγκλιδώματα
Η ομάδα έχει δημιουργήσει περισσότερους από 100 πράκτορες χαρτιού μέχρι στιγμής και εξακολουθεί να επεξεργάζεται πώς χιλιάδες ή εκατομμύρια από αυτούς θα μπορούσαν να βρουν παραγωγικά ο ένας τον άλλον. Ο Ζου υποστηρίζει ότι τα θετικά αποτελέσματα για την επιστήμη είναι τεράστια - «Εκατομμύρια δημοσιεύσεις δημοσιεύονται κάθε χρόνο», σημείωσε - αλλά είναι σαφής για δύο επιφυλάξεις.
Πρώτον, απόδοση. Οι παράγοντες που επεκτείνουν τα ευρήματα μιας εργασίας θα πρέπει να ενισχύουν την αρχική εργασία των ερευνητών και όχι να την θάβουν. «Είναι ακόμα σημαντικό να αποδίδουμε τις τελικές ανακαλύψεις και να τις παραπέμπουμε σε πρωτότυπα έγγραφα και σε πρωτότυπους ανθρώπινους συγγραφείς», είπε.
Δεύτερον, επίβλεψη. Οι παράμετροι κάτω από τις οποίες οι πράκτορες συνεργάζονται και κάνουν ανακαλύψεις θα πρέπει να καθοδηγούνται και να παρακολουθούνται στενά, είπε ο Ζου, για να διατηρηθούν αυτές οι συνεργασίες ευθυγραμμισμένες με ασφαλείς και ηθικές ερευνητικές πρακτικές.
Το έργο υποστηρίχθηκε με χρηματοδότηση από το Chan-Zuckerberg Biohub.
Γιατί έχει σημασία
Το Paper2Agent προσγειώνεται σε ένα ερευνητικό τοπίο που έχει ήδη αναδιαμορφωθεί από ανασκόπηση βιβλιογραφίας με τη βοήθεια τεχνητής νοημοσύνης και αυτοματισμό εργαστηρίου, αλλά η υπόθεση του είναι διαφορετική: αντί να χρησιμοποιεί ένα μοντέλο γενικής χρήσης για τη σύνοψη των εγγράφων, μετατρέπει κάθε εργασία σε έναν επαληθευμένο, εκτελέσιμο ειδικό που έχει στην πραγματικότητα επανεκτελέσει την υποκείμενη επιστήμη. Εάν η προσέγγιση γενικευτεί, η ίδια η επιστημονική εργασία μπορεί να εξελιχθεί από ένα έγγραφο με δυνατότητα αναφοράς σε ένα λειτουργικό κομμάτι υποδομής — και ο ρυθμός με τον οποίο τα ευρήματα συνδέονται μεταξύ των επιστημών θα μπορούσε να επιταχυνθεί ανάλογα.
_Μείνετε μπροστά από την καμπύλη. Λάβετε τις τελευταίες εξελίξεις σχετικά με την τεχνητή νοημοσύνη και τι σημαίνουν για την επιστήμη και τη βιομηχανία στο AI Buzz Wire._
