Makalah ilmiah telah menjadi dokumen statis sejak jurnal ilmiah pertama kali muncul pada tahun 1660-an. Sebuah tim di Stanford Medicine ingin membuat mereka berbicara. Dalam sebuah penelitian yang diterbitkan pada tanggal 16 September di jurnal Nature, para peneliti meluncurkan Paper2Agent, sebuah sistem yang mengubah naskah ilmiah apa pun – teks, gambar, dan datanya – menjadi agen AI interaktif yang dapat menjawab pertanyaan tentang karya tersebut, menerapkan metodenya pada data baru, dan berkolaborasi dengan agen kertas lainnya untuk menghasilkan temuan baru.
Proyek ini dipimpin oleh sarjana pascadoktoral Jiacheng Miao dan penulis senior James Zou, seorang profesor ilmu data biomedis di Stanford Medicine.
Dari Halaman Pasif ke Pengetahuan Aktif
“Pada dasarnya sepanjang sejarah manusia, cara kita merepresentasikan pengetahuan adalah dalam bentuk artefak yang sangat pasif ini,” kata Zou dalam pengumuman dari Stanford Medicine. “Di masa lalu, orang-orang mengukir pengetahuan menjadi batu, dan sekarang kita mengetik pengetahuan menjadi kata-kata di halaman – namun dalam beberapa hal, halaman tidak jauh lebih baik.”
“Ini adalah kesempatan untuk memikirkan kembali secara mendasar seperti apa pengetahuan itu,” tambahnya. “Daripada hanya memiliki artefak pasif, mengapa kita tidak mengubah setiap catatan statis menjadi perwujudan pengetahuan yang aktif?” Zou menggambarkan setiap agen makalah sebagai penulis virtual yang mengetahui bagaimana penelitian sebenarnya dilakukan dan dapat menjelaskan, mempertahankan, dan memperluasnya.
Bagaimana Paper2Agent Membangun Agen
Proses konversi bergantung pada tim "agen pekerja" AI yang membedah makalah yang diterbitkan beserta kode dan data terkait. Yang terpenting, mereka tidak hanya membaca penelitian tersebut — mereka berupaya mereproduksinya dari awal di lingkungan virtual, dengan menyimulasikan eksperimen yang terdokumentasi. Dengan mengulang pekerjaannya, para agen menyerap pengetahuan yang tidak pernah sampai ke naskah akhir, mulai dari reagen dan ketergantungan perangkat lunak hingga hal-hal spesifik dalam pengaturan eksperimental.
Pengetahuan tersebut kemudian disimpan menggunakan MCP — sebuah protokol konteks model yang mengatur makalah ke dalam struktur yang dapat diakses. “Dengan MCP, AI pada dasarnya dapat merepresentasikan kertas PDF dalam bentuk yang mudah diakses oleh agen, hampir seperti sistem pengarsipan,” kata Zou, dengan setiap bagian kertas disusun ke dalam kompartemennya sendiri.
Namun, mesin tidak bisa menangkap semuanya. Eksperimen yang gagal, keputusan penilaian, dan alasan diam-diam di balik pilihan desain masih hanya hidup di benak para peneliti. Jadi sistem ini mencakup langkah percakapan di mana agen makalah mewawancarai penulis manusia untuk mengisi kekosongan tersebut.
Penemuan Pertama: Pemimpin ADHD Baru
Untuk menunjukkan apa yang bisa dicapai oleh kolaborasi agen-ke-agen, tim mengubah dua makalah yang tidak terkait menjadi agen. Salah satunya menggambarkan alat untuk memprediksi bagaimana mutasi genetik mempengaruhi genom; yang lain melaporkan studi asosiasi genom tentang risiko gangguan defisit perhatian/hiperaktivitas.
Begitu keduanya berjalan, para agen menemukan titik temu sendiri. Agen prediksi genom menerapkan metodenya pada kumpulan data ADHD dan menandai varian molekuler di dekat gen yang disebut MPHOSPH9 yang dikaitkan dengan peningkatan risiko ADHD – sebuah hubungan yang menurut Zou belum pernah dilaporkan sebelumnya.
“Dulu, jika ada dua kelompok penelitian yang menerbitkan dua makalah berbeda, kedua kelompok penelitian tersebut harus menemukan satu sama lain,” kata Zou. Visi jangka panjangnya jauh lebih besar daripada pasangan yang dipilih sendiri: jutaan agen kertas saling tumpang tindih dan menghasilkan wawasan baru dalam skala besar — sesuatu yang Zou bandingkan dengan kencan kilat naskah.
Janji, Atribusi, dan Pagar Pembatas
Tim ini telah membangun lebih dari 100 agen kertas sejauh ini dan masih mencari tahu bagaimana ribuan atau jutaan dari mereka dapat menemukan satu sama lain secara produktif. Zou berargumentasi bahwa manfaat ilmu pengetahuan sangat besar – “Jutaan makalah diterbitkan setiap tahun,” katanya – namun ia secara eksplisit menyatakan dua peringatan.
Pertama, atribusi. Agen yang memperluas temuan makalah harus memperkuat karya peneliti asli, bukan menguburnya. “Masih penting untuk mengaitkan penemuan akhir dan merujuknya kembali ke makalah asli dan penulis asli,” katanya.
Kedua, pengawasan. Zou mengatakan, parameter yang mendasari para agen berkolaborasi dan membuat penemuan harus dipandu dan dipantau secara ketat untuk menjaga kolaborasi tersebut selaras dengan praktik penelitian yang aman dan etis.
Pekerjaan ini didukung oleh dana dari Chan-Zuckerberg Biohub.
Mengapa Itu Penting
Paper2Agent berada di lanskap penelitian yang telah dibentuk ulang melalui tinjauan literatur dan otomatisasi laboratorium yang dibantu AI, namun premisnya berbeda: dibandingkan menggunakan model tujuan umum untuk meringkas makalah, Paper2Agent mengubah setiap makalah menjadi spesialis terverifikasi dan dapat dieksekusi yang benar-benar menjalankan kembali ilmu yang mendasarinya. Jika pendekatan ini digeneralisasikan, makalah ilmiah itu sendiri dapat berkembang dari dokumen yang dapat dikutip menjadi sebuah infrastruktur yang beroperasi – dan kecepatan dalam menghubungkan temuan antar disiplin ilmu dapat semakin cepat.
_Tetap Terdepan dari Kurva. Dapatkan info terkini tentang terobosan AI dan pengaruhnya bagi sains dan industri di AI Buzz Wire._
