1660 च्या दशकात प्रथम विद्वान जर्नल्स दिसू लागल्यापासून वैज्ञानिक कागदपत्रे स्थिर दस्तऐवज आहेत. Stanford Medicine मधील एक टीम त्यांना बोलायला लावू इच्छित आहे. नेचर या जर्नलमध्ये 16 सप्टेंबर रोजी प्रकाशित झालेल्या अभ्यासात, संशोधकांनी Paper2Agent ही प्रणाली अनावरण केली जी कोणत्याही वैज्ञानिक हस्तलिखिताचे - त्याचा मजकूर, आकडे आणि डेटा - एका परस्परसंवादी AI एजंटमध्ये रूपांतरित करते जी कामाबद्दलच्या प्रश्नांची उत्तरे देऊ शकते, नवीन डेटावर त्याच्या पद्धती लागू करू शकते आणि नवीन निष्कर्ष निर्माण करण्यासाठी इतर पेपर एजंटसह सहयोग करू शकते.
या प्रकल्पाचे नेतृत्व पोस्टडॉक्टरल विद्वान जियाचेंग मियाओ आणि ज्येष्ठ लेखक जेम्स झू, स्टॅनफोर्ड मेडिसिन येथील बायोमेडिकल डेटा सायन्सचे सहयोगी प्राध्यापक होते.
निष्क्रिय पृष्ठांपासून सक्रिय ज्ञानापर्यंत
"मूलत: संपूर्ण मानवी इतिहासासाठी, आम्ही ज्या पद्धतीने ज्ञानाचे प्रतिनिधित्व करतो ते या अतिशय निष्क्रिय कलाकृतींच्या रूपात आहे," झू यांनी स्टॅनफोर्ड मेडिसिनच्या घोषणेमध्ये म्हटले आहे. "जुन्या काळी लोकांनी ज्ञान दगडात कोरले होते आणि आता आपण पानांवर शब्दांमध्ये ज्ञान टाईप करतो - परंतु काही अर्थाने पृष्ठे इतकी चांगली नसतात."
"ज्ञान कसे दिसते ते मूलभूतपणे पुन्हा कल्पना करण्याची ही एक संधी आहे," तो पुढे म्हणाला. "केवळ निष्क्रिय कलाकृती ठेवण्याऐवजी, आपण प्रत्येक स्थिर रेकॉर्डला ज्ञानाच्या सक्रिय मूर्त स्वरूपात का बदलत नाही?" Zou प्रत्येक पेपर एजंटचे वर्णन आभासी लेखकासारखे काहीतरी करतो ज्याला संशोधन प्रत्यक्षात कसे केले गेले हे माहित असते आणि ते त्याचे स्पष्टीकरण, बचाव आणि विस्तार करू शकतात.
Paper2Agent एजंट कसा तयार करतो
रूपांतरण प्रक्रिया AI "वर्कर एजंट्स" च्या टीमवर अवलंबून असते जे प्रकाशित पेपरचे कोणत्याही संबंधित कोड आणि डेटासह विच्छेदन करतात. निर्णायकपणे, ते केवळ अभ्यास वाचत नाहीत - ते कागदोपत्री प्रयोगांचे अनुकरण करून आभासी वातावरणात सुरवातीपासून पुनरुत्पादित करण्याचा प्रयत्न करतात. काम पुन्हा केल्याने, अभिकर्मक आणि सॉफ्टवेअर अवलंबित्वांपासून प्रायोगिक सेटअपच्या तपशीलांपर्यंत, एजंट हे माहिती-कसे आत्मसात करतात जे ते कधीही अंतिम हस्तलिखितात बनत नाही.
ते ज्ञान नंतर MCP वापरून संग्रहित केले जाते - एक मॉडेल कॉन्टेक्स्ट प्रोटोकॉल जे पेपरला प्रवेशजोगी संरचनेत व्यवस्थापित करते. "एमसीपी एआयला कागदाच्या पीडीएफ फॉर्ममध्ये मूलत: प्रतिनिधित्व करू देते जे एजंट्सना प्रवेश करणे सोपे आहे, जवळजवळ फाइलिंग सिस्टमप्रमाणे," झू म्हणाले, पेपरच्या प्रत्येक विभागाला त्याच्या स्वत: च्या डब्यात आयोजित केले आहे.
तथापि, मशीन सर्वकाही कॅप्चर करू शकत नाहीत. अयशस्वी प्रयोग, निर्णय कॉल आणि डिझाइन निवडीमागील स्पष्ट तर्क अजूनही फक्त संशोधकांच्या डोक्यात राहतात. म्हणून सिस्टममध्ये एक संवादात्मक पायरी समाविष्ट आहे ज्यामध्ये पेपर एजंट त्या अंतर भरण्यासाठी मानवी लेखकांची मुलाखत घेतो.
पहिला शोध: एक नवीन ADHD लीड
एजंट-टू-एजंट सहकार्याने काय साध्य होऊ शकते हे दाखवण्यासाठी, संघाने दोन असंबंधित कागदपत्रांचे एजंटमध्ये रूपांतर केले. जनुकीय उत्परिवर्तन जीनोमवर कसा परिणाम करतात हे सांगण्यासाठी एक साधन वर्णन केले; इतरांनी अटेन्शन-डेफिसिट/हायपरएक्टिव्हिटी डिसऑर्डरच्या जोखमीचा जीनोम-व्यापी असोसिएशन अभ्यास नोंदवला.
एकदा दोघे धावत असताना, एजंटांना स्वतःहून सामाईक जागा सापडली. जीनोम-प्रेडिक्शन एजंटने त्याची पद्धत ADHD डेटासेटवर लागू केली आणि ADHD जोखीम वाढीशी संबंधित म्हणून MPHOSPH9 नावाच्या जनुकाच्या जवळ एक आण्विक प्रकार ध्वजांकित केला - Zou ने सांगितले की कनेक्शन आधी नोंदवले गेले नव्हते.
"भूतकाळात, जर दोन भिन्न शोधनिबंध प्रकाशित करणारे दोन संशोधन गट असतील तर त्या दोन संशोधन गटांना एकमेकांना शोधले पाहिजे," झू म्हणाले. दीर्घकालीन दृष्टी हाताने निवडलेल्या जोडीपेक्षा खूप मोठी आहे: लाखो पेपर एजंट एकमेकांमध्ये ओव्हरलॅप करतात आणि मोठ्या प्रमाणात नवीन अंतर्दृष्टी निर्माण करतात - हस्तलिखित गती डेटिंगच्या तुलनेत झू काहीतरी.
वचन, विशेषता आणि गार्डरेल्स
टीमने आतापर्यंत 100 हून अधिक पेपर एजंट तयार केले आहेत आणि तरीही हजारो किंवा लाखो लोक एकमेकांना कसे उत्पादकपणे शोधू शकतात यावर काम करत आहेत. झोऊचा तर्क आहे की विज्ञानाची प्रगती खूप मोठी आहे - "दरवर्षी लाखो पेपर प्रकाशित होतात," त्यांनी नमूद केले - परंतु तो दोन सावधगिरींबद्दल स्पष्ट आहे.
प्रथम, विशेषता. एजंट जे पेपरचे निष्कर्ष वाढवतात त्यांनी मूळ संशोधकांचे कार्य वाढवले पाहिजे, ते दफन करू नये. "अंतिम शोधांचे श्रेय देणे आणि मूळ कागदपत्रे आणि मूळ मानवी लेखकांना संदर्भ देणे अद्याप महत्त्वाचे आहे," तो म्हणाला.
दुसरे, निरीक्षण. एजंट ज्या पॅरामीटर्सच्या अंतर्गत सहयोग करतात आणि शोध लावतात त्यांचं बारकाईने मार्गदर्शन आणि निरीक्षण केले पाहिजे, Zou म्हणाले, ते सहकार्य सुरक्षित आणि नैतिक संशोधन पद्धतींसह संरेखित ठेवण्यासाठी.
या कामाला चॅन-झकरबर्ग बायोहबच्या निधीद्वारे पाठबळ मिळाले.
हे महत्त्वाचे का आहे
Paper2Agent AI-सहाय्यित साहित्य पुनरावलोकन आणि लॅब ऑटोमेशन द्वारे आधीच आकार बदललेल्या संशोधन लँडस्केपमध्ये उतरतो, परंतु त्याचा आधार वेगळा आहे: पेपर्सचा सारांश देण्यासाठी सामान्य-उद्देश मॉडेल वापरण्याऐवजी, ते प्रत्येक पेपरला सत्यापित, एक्झिक्यूटेबल तज्ञ बनवते ज्याने मूळ विज्ञान पुन्हा चालवले आहे. जर दृष्टीकोन सामान्यीकृत केला तर, वैज्ञानिक कागदपत्र स्वतःच संदर्भित दस्तऐवजातून पायाभूत संरचनेच्या ऑपरेटिंग तुकड्यामध्ये विकसित होऊ शकते - आणि निष्कर्ष ज्या गतीने विविध विषयांमध्ये जोडतात त्या गतीने त्यानुसार वेग वाढू शकतो.
_वक्र पुढे रहा. AI Buzz Wire वर AI प्रगती आणि त्यांचा विज्ञान आणि उद्योगासाठी काय अर्थ आहे याबद्दल नवीनतम माहिती मिळवा._
