Gli articoli scientifici sono stati documenti statici sin da quando le prime riviste accademiche apparvero negli anni Sessanta del Seicento. Un team della Stanford Medicine vuole farli parlare. In uno studio pubblicato il 16 settembre sulla rivista Nature, i ricercatori hanno presentato Paper2Agent, un sistema che converte qualsiasi manoscritto scientifico (testo, figure e dati) in un agente AI interattivo in grado di rispondere a domande sul lavoro, applicare i suoi metodi a nuovi dati e collaborare con altri agenti cartacei per generare nuove scoperte.
Il progetto è stato guidato dallo studioso post-dottorato Jiacheng Miao e dall’autore senior James Zou, professore associato di scienza dei dati biomedici presso la Stanford Medicine.
Dalle pagine passive alla conoscenza attiva
"Essenzialmente per tutta la storia umana, il modo in cui rappresentiamo la conoscenza è sotto forma di questi artefatti molto passivi", ha detto Zou nell'annuncio della Stanford Medicine. "Nei tempi antichi le persone scolpivano la conoscenza nelle pietre, e ora scriviamo la conoscenza in parole sulle pagine, ma in un certo senso le pagine non sono molto migliori."
"Questa è un'opportunità per reimmaginare radicalmente l'aspetto della conoscenza", ha aggiunto. "Invece di avere solo artefatti passivi, perché non convertiamo ogni record statico in un'incarnazione attiva della conoscenza?" Zou descrive ogni agente cartaceo come qualcosa di simile a un autore virtuale che sa come è stata effettivamente svolta la ricerca e può spiegarla, difenderla ed estenderla.
Come Paper2Agent crea un agente
Il processo di conversione si basa su un team di "agenti lavoratori" di intelligenza artificiale che analizzano un articolo pubblicato insieme a qualsiasi codice e dato associato. Fondamentalmente, non si limitano a leggere lo studio, ma tentano di riprodurlo da zero in un ambiente virtuale, simulando gli esperimenti documentati. Rifacendo il lavoro, gli agenti assorbono know-how che non arriva mai nel manoscritto finale, dai reagenti e le dipendenze del software alle specifiche della configurazione sperimentale.
Tale conoscenza viene quindi archiviata utilizzando un MCP, un protocollo di contesto modello che organizza il documento in una struttura accessibile. "Un MCP consente essenzialmente all'intelligenza artificiale di rappresentare un PDF cartaceo in un formato facilmente accessibile per gli agenti, quasi come un sistema di archiviazione", ha affermato Zou, con ciascuna sezione del documento organizzata nel proprio scomparto.
Le macchine, però, non possono catturare tutto. Gli esperimenti falliti, i giudizi e i ragionamenti taciti alla base delle scelte progettuali vivono ancora solo nella testa dei ricercatori. Quindi il sistema include una fase di conversazione in cui l'agente cartaceo intervista gli autori umani per colmare tali lacune.
La prima scoperta: una nuova pista per l'ADHD
Per dimostrare i risultati possibili con la collaborazione da agente ad agente, il team ha convertito due documenti non correlati in agenti. Uno ha descritto uno strumento per prevedere come le mutazioni genetiche influenzano il genoma; l'altro ha riportato uno studio di associazione sull'intero genoma sul rischio di disturbo da deficit di attenzione/iperattività.
Una volta che entrambi furono in fuga, gli agenti trovarono un terreno comune da soli. L’agente di previsione del genoma ha applicato il suo metodo al set di dati dell’ADHD e ha contrassegnato una variante molecolare vicino a un gene chiamato MPHOSPH9 come associato ad un aumento del rischio di ADHD – una connessione che secondo Zou non era stata segnalata prima.
"In passato, se c'erano due gruppi di ricerca che pubblicavano due articoli diversi, questi due gruppi di ricerca dovevano in qualche modo trovarsi", ha detto Zou. La visione a lungo termine è molto più ampia di un abbinamento selezionato con cura: milioni di agenti cartacei che emergono si sovrappongono tra loro e generano nuove intuizioni su larga scala - qualcosa che Zou paragona alla datazione rapida dei manoscritti.
Promessa, attribuzione e guardrail
Finora il team ha creato più di 100 agenti cartacei e sta ancora cercando di capire come migliaia o milioni di loro potrebbero trovarsi in modo produttivo. Zou sostiene che il vantaggio per la scienza è enorme - "Milioni di articoli vengono pubblicati ogni anno", ha osservato - ma è esplicito su due avvertimenti.
Innanzitutto, l'attribuzione. Gli agenti che estendono i risultati di un articolo dovrebbero amplificare il lavoro originale dei ricercatori, non seppellirlo. "È ancora importante attribuire le scoperte finali e fare riferimento ai documenti originali e agli autori umani originali", ha affermato.
In secondo luogo, la supervisione. I parametri in base ai quali gli agenti collaborano e fanno scoperte dovrebbero essere attentamente guidati e monitorati, ha affermato Zou, per mantenere tali collaborazioni allineate con pratiche di ricerca sicure ed etiche.
Il lavoro è stato sostenuto dai finanziamenti del Chan-Zuckerberg Biohub.
Perché è importante
Paper2Agent si inserisce in un panorama di ricerca già rimodellato dalla revisione della letteratura assistita dall'intelligenza artificiale e dall'automazione del laboratorio, ma la sua premessa è diversa: invece di utilizzare un modello generico per riassumere gli articoli, trasforma ogni articolo in uno specialista verificato ed eseguibile che ha effettivamente rieseguito la scienza di base. Se l’approccio si generalizza, l’articolo scientifico stesso potrebbe evolversi da un documento citabile in un pezzo di infrastruttura operativa – e il ritmo con cui i risultati si collegano tra le discipline potrebbe accelerare di conseguenza.
_Stai al passo con i tempi. Ricevi le ultime novità sulle scoperte dell'intelligenza artificiale e sul loro significato per la scienza e l'industria su AI Buzz Wire._
