Ejen Pengekodan AI Memodenkan Perisian Penyelidikan Penuaan tetapi Tidak Dapat Mengetahui Sama ada Sains Itu Betul

Laporan lapangan daripada OpenAI dan kolaborator akademik telah mendapati bahawa ejen pengekodan AI boleh mempercepatkan pemodenan perisian saintifik yang semakin tua, menulis semula alatan dalam bahasa yang lebih pantas dan mengurangkan masa jalan mengikut urutan magnitud. Tangkapan: ejen yang sama tidak boleh menilai dengan pasti sama ada kerja mereka betul secara saintifik, selalunya membentangkan kod buggy dengan penuh keyakinan.

Laporan yang diterbitkan pada 1 Ogos 2026 dan didokumentasikan oleh The Decoder, meneliti lapan kajian kes — kebanyakannya dalam biologi — di mana kumpulan penyelidikan menggunakan ejen pengekodan seperti Codex dan Claude Code untuk menyelamatkan, mengoptimumkan dan menulis semula perisian kritikal. Untuk pelaporan berterusan tentang alat yang membentuk semula sains dan industri, ikuti berita AI terkini kami.

Krisis Tenang dalam Perisian Saintifik

Kebanyakan perisian yang menyokong penyelidikan moden bermula sebagai kod sokongan untuk satu kertas. Pasukan akademik kecil membina alat ini tanpa sumber untuk ujian, penyelenggaraan atau pengoptimuman yang betul. Hasilnya ialah asas yang rapuh: program yang kekal kritikal kepada seluruh bidang tetapi memerlukan pembaikan berterusan. Laporan medan OpenAI mencadangkan ejen pengekodan AI boleh membantu menutup jurang yang lama itu.

Projek-projek itu terdiri daripada penyelenggaraan rutin kepada penulisan semula penuh dalam bahasa pengaturcaraan moden, dan beberapa menyampaikan peningkatan prestasi yang menarik perhatian.

Membina semula STAR dalam Rust

Salah satu projek yang lebih bercita-cita tinggi, rustar-aligner, membina semula STAR dari awal di Rust. STAR ialah alat yang digunakan secara meluas yang memetakan penjujukan bacaan daripada sel ke lokasi sepadannya dalam genom. Program asal mengandungi lebih daripada 20,000 baris C dan C++ dan tidak lagi diselenggara secara aktif, walaupun ia kekal tertanam dalam banyak saluran penyelidikan.

Untuk mengesahkan penulisan semula, pasukan menguji kedua-dua alatan pada 10,000 bacaan jujukan pendek daripada sel yis. Untuk bacaan satu hujung, rustar-aligner menghasilkan hasil yang sama seperti STAR dalam 99.815 peratus kes. Untuk bacaan akhir berpasangan, kadar persetujuan ialah 99.883 peratus. Perbandingan melangkaui lokasi yang dipetakan untuk memasukkan beberapa medan utama lain yang dihasilkan oleh kedua-dua program untuk setiap bacaan, dan tiada alat memetakan sebarang bacaan yang gagal dipetakan oleh yang lain.

Kelajuan 60 Lipatan

RustQC menyampaikan kelajuan terbesar dengan menggabungkan 15 alat kawalan kualiti yang berasingan ke dalam satu program. Pada set data yang besar, masa jalan menjunam daripada 15 jam dan 34 minit kepada hanya 14 minit dan 54 saat — kelajuan lebih daripada 60 kali.

Projek lain, HelixForge, menggantikan alat untuk menjana data genomik sintetik dengan versi dipercepatkan GPU. Dalam ujian menggunakan data daripada satu penderma dan bahagian sepuluh juta pasangan asas genom, HelixForge menyelesaikan saluran paip penuh 59.6 kali lebih pantas daripada BamSurgeon asal, dengan langkah pengiraan utama sahaja berjalan 98.6 kali lebih pantas.

Dalam pemodenan yang lebih konvensional, GPT-5.5 menggantikan proses binaan dan pemasangan yang lapuk cyvcf2, perpustakaan Python untuk membaca data genetik. Penghijrahan MHCflurry yang lebih terlibat menyaksikan Claude Code dan Codex bergilir-gilir antara peranan pembangun dan penyemak sambil mengalihkan kira-kira 10,000 baris kod daripada TensorFlow ke PyTorch. MHCflurry ialah model imunologi yang meramalkan sasaran sel imun yang akan dikenali.

'Salah Dengan Yakin'

Penemuan tajuk berita, bagaimanapun, adalah sesuatu yang membimbangkan. Sepanjang kajian kes, ejen menyelesaikan tugas yang jelas dengan cepat tetapi tidak dapat menilai dengan pasti sama ada kerja mereka betul secara saintifik. Walaupun kod mereka mengandungi ralat, sistem sering membentangkannya dengan penuh keyakinan.

Brent Pedersen, pembangun cyvcf2, menangkap ketegangan dalam laporan itu: "Dengan ejen pengekodan, agak mudah untuk bergerak pantas; buat masa ini, untuk pergi jauh dalam sains, masih ada keperluan untuk bimbingan, pemahaman, rasa dan penjagaan pakar."

Philip Ewels, yang mengetuai projek RustQC, bersikap tumpul. Dia menyifatkan ejen-ejen itu sebagai "fasih, meyakinkan, dan dengan yakin salah dalam cara yang mudah terlepas." Ewels tidak pernah membenarkan model menilai ketepatan kerja mereka sendiri, sebaliknya membina abah-abah ujian bebas untuk menangkap kesilapan mereka.

Ralat Bersembunyi dalam Penglihatan Biasa

Kajian kes bayesm menggambarkan betapa sukarnya kesilapan ini untuk ditangkap. Tulisan semula Rustnya berjalan antara dua dan dua puluh kali lebih cepat daripada yang asal, tetapi versi pertama dua kaedah lanjutan mengandungi kecacatan halus. Dalam satu, ejen menyongsangkan parameter kawalan utama, menyebabkan program menggunakan timbal balik nilai yang dimaksudkan. Pepijat berasingan menjejaskan pengiraan itu sendiri. Penyelidik hanya menemui kedua-dua isu selepas menjalankan ujian penentukuran terperinci terhadap beribu-ribu set data sintetik dengan keputusan yang diketahui.

Episod ini menekankan anjakan struktur dalam cara saintis boleh bekerja bersama AI: daripada menulis kod sendiri, tugas utama mereka menjadi mengesahkan keputusan dengan teliti - peranan yang menuntut kepakaran domain yang mendalam yang tidak dapat dibekalkan oleh ejen itu sendiri.

Maksudnya untuk Sains

Penemuan ini tiba pada saat perdebatan sengit mengenai berapa banyak sistem AI autonomi harus diberikan dalam domain yang berisiko tinggi. Percepatan adalah benar-benar transformatif — pengurangan 60 kali ganda dalam masa jalan boleh mengubah kerja semalaman menjadi rehat kopi. Tetapi sumbangan paling penting laporan itu mungkin kejujurannya tentang hadnya. Ejen yang pantas, fasih dan persuasif, namun tidak dapat menilai sendiri kesahihan saintifik, adalah alat yang berkuasa hanya di tangan pakar yang tahu dengan tepat perkara yang perlu diperiksa.

Bagi penyelidik yang terlibat, pelajarannya jelas: AI boleh membina semula perancah sains pada kelajuan yang luar biasa, tetapi pertimbangan manusia tetap menanggung beban.

Kekal Mendahului AI

Daripada penemuan penyelidikan kepada penggunaan perusahaan, kadar perubahan tidak henti-henti. Tandai halaman AI Buzz Wire untuk liputan berterusan yang disemak fakta tentang cara kecerdasan buatan membentuk semula sains, perniagaan dan masyarakat.

Baca lebih banyak berita penyelidikan AI →