Wetenschappelijke artikelen zijn statische documenten sinds de eerste wetenschappelijke tijdschriften in de jaren zestig van de zeventiende eeuw verschenen. Een team van Stanford Medicine wil ze aan het praten krijgen. In een studie die op 16 september in het tijdschrift Nature werd gepubliceerd, onthulden onderzoekers Paper2Agent, een systeem dat elk wetenschappelijk manuscript – de tekst, cijfers en gegevens ervan – omzet in een interactieve AI-agent die vragen over het werk kan beantwoorden, de methoden ervan kan toepassen op nieuwe gegevens en kan samenwerken met andere papieren agenten om nieuwe bevindingen te genereren.
Het project werd geleid door postdoctoraal onderzoeker Jiacheng Miao en senior auteur James Zou, universitair hoofddocent biomedische datawetenschap aan Stanford Medicine.
Van passieve pagina's naar actieve kennis
"Voor vrijwel de hele menselijke geschiedenis is de manier waarop we kennis vertegenwoordigen de vorm van deze zeer passieve artefacten", zei Zou in de aankondiging van Stanford Medicine. "Vroeger hakten mensen kennis in stenen, en nu typen we kennis in woorden op pagina's - maar in zekere zin zijn pagina's niet zo veel beter."
"Dit is een kans om fundamenteel opnieuw voor te stellen hoe kennis eruit ziet", voegde hij eraan toe. "Waarom zetten we elk statisch record niet om in een actieve belichaming van kennis, in plaats van alleen maar passieve artefacten te hebben?" Zou beschrijft elke papieren agent als een soort virtuele auteur die weet hoe het onderzoek feitelijk is gedaan en dit kan uitleggen, verdedigen en uitbreiden.
Hoe Paper2Agent een agent bouwt
Het conversieproces is afhankelijk van een team van AI-‘worker agents’ die een gepubliceerd artikel samen met alle bijbehorende code en gegevens ontleden. Cruciaal is dat ze het onderzoek niet alleen lezen; ze proberen het helemaal opnieuw te reproduceren in een virtuele omgeving, waarbij ze de gedocumenteerde experimenten simuleren. Door het werk opnieuw uit te voeren, nemen de agenten kennis op die nooit in het definitieve manuscript terechtkomt, van reagentia en softwareafhankelijkheden tot de details van experimentele opzet.
Die kennis wordt vervolgens opgeslagen met behulp van een MCP – een modelcontextprotocol dat het papier in een toegankelijke structuur organiseert. "Met een MCP kan AI in wezen een papieren PDF weergeven in een vorm waar agenten gemakkelijk toegang toe hebben, bijna als een archiefsysteem", zei Zou, waarbij elke sectie van het papier in een eigen compartiment was georganiseerd.
Machines kunnen echter niet alles vastleggen. Mislukte experimenten, oordelen en de stilzwijgende redenering achter ontwerpkeuzes leven nog steeds alleen in de hoofden van onderzoekers. Het systeem omvat dus een gespreksstap waarin de papieren agent de menselijke auteurs interviewt om die leemten op te vullen.
De eerste ontdekking: een nieuwe ADHD-aanleiding
Om te laten zien wat samenwerking tussen agenten kan opleveren, heeft het team twee niet-gerelateerde papieren omgezet in agenten. Eén beschreef een hulpmiddel om te voorspellen hoe genetische mutaties het genoom beïnvloeden; de andere rapporteerde een genoombrede associatiestudie naar het risico op aandachtstekort-/hyperactiviteitsstoornissen.
Toen ze allebei op de vlucht waren, vonden de agenten op eigen kracht een gemeenschappelijke basis. De genoomvoorspellingsagent paste zijn methode toe op de ADHD-dataset en markeerde een moleculaire variant in de buurt van een gen genaamd MPHOSPH9 als geassocieerd met een verhoogd ADHD-risico – een verband dat volgens Zou nog niet eerder was gerapporteerd.
"Als er in het verleden twee onderzoeksgroepen waren die twee verschillende artikelen publiceerden, moesten die twee onderzoeksgroepen elkaar op de een of andere manier vinden", zei Zou. De langetermijnvisie is veel groter dan een zorgvuldig uitgekozen combinatie: miljoenen papieren agenten die onderling overlappingen aan het licht brengen en op grote schaal nieuwe inzichten genereren – iets wat Zou vergeleken zijn met manuscript-speeddating.
Belofte, toeschrijving en vangrails
Het team heeft tot nu toe meer dan 100 papieren agenten gebouwd en is nog steeds aan het uitzoeken hoe duizenden of miljoenen van hen elkaar productief kunnen vinden. Zou beweert dat de voordelen voor de wetenschap enorm zijn – ‘Elk jaar worden er miljoenen artikelen gepubliceerd’, merkte hij op – maar hij is expliciet over twee kanttekeningen.
Ten eerste: attributie. Agenten die de bevindingen van een artikel uitbreiden, moeten het werk van de oorspronkelijke onderzoekers versterken en niet begraven. "Het is nog steeds belangrijk om de uiteindelijke ontdekkingen toe te schrijven en terug te verwijzen naar originele artikelen en originele menselijke auteurs," zei hij.
Ten tweede: toezicht. De parameters waaronder agenten samenwerken en ontdekkingen doen, moeten nauwlettend worden begeleid en gemonitord, zei Zou, om die samenwerkingen in lijn te houden met veilige en ethische onderzoekspraktijken.
Het werk werd ondersteund door financiering van de Chan-Zuckerberg Biohub.
Waarom het ertoe doet
Paper2Agent belandt in een onderzoekslandschap dat al opnieuw is vormgegeven door AI-ondersteund literatuuronderzoek en laboratoriumautomatisering, maar het uitgangspunt is anders: in plaats van een model voor algemene doeleinden te gebruiken om artikelen samen te vatten, verandert het elk artikel in een geverifieerde, uitvoerbare specialist die de onderliggende wetenschap feitelijk opnieuw heeft uitgevoerd. Als de aanpak generaliseert, kan het wetenschappelijke artikel zelf evolueren van een citeerbaar document naar een operationeel stukje infrastructuur – en het tempo waarin bevindingen over verschillende disciplines heen met elkaar in verband worden gebracht, zou dienovereenkomstig kunnen versnellen.
_Blijf de curve voor. Ontvang het laatste nieuws over AI-doorbraken en wat deze betekenen voor de wetenschap en de industrie op AI Buzz Wire._
