Prace naukowe są dokumentami statycznymi od czasu ukazania się pierwszych czasopism naukowych w latach sześćdziesiątych XVII wieku. Zespół ze Stanford Medicine chce, żeby zaczęli mówić. W badaniu opublikowanym 16 września w czasopiśmie Nature naukowcy zaprezentowali Paper2Agent, system, który przekształca dowolny manuskrypt naukowy – jego tekst, rysunki i dane – w interaktywnego agenta AI, który może odpowiadać na pytania dotyczące pracy, stosować swoje metody do nowych danych i współpracować z innymi agentami papierowymi w celu generowania nowych odkryć.
Projektem kierowali doktor habilitowany Jiacheng Miao i starszy autor James Zou, profesor nadzwyczajny w dziedzinie analityki danych biomedycznych w Stanford Medicine.
Od stron pasywnych do aktywnej wiedzy
„Zasadniczo przez całą historię ludzkości sposób, w jaki reprezentujemy wiedzę, odbywał się w formie bardzo pasywnych artefaktów” – stwierdził Zou w oświadczeniu wydanym przez Stanford Medicine. „W dawnych czasach ludzie rzeźbili wiedzę w kamieniach, a teraz zapisujemy ją w słowach na stronach — ale w pewnym sensie strony nie są dużo lepsze”.
„To okazja, aby zasadniczo na nowo wyobrazić sobie, jak wygląda wiedza” – dodał. „Zamiast mieć tylko pasywne artefakty, dlaczego nie przekształcimy każdego statycznego zapisu w aktywne ucieleśnienie wiedzy?” Zou opisuje każdego agenta papierowego jako coś w rodzaju wirtualnego autora, który wie, w jaki sposób faktycznie przeprowadzono badania, i potrafi je wyjaśnić, obronić i rozszerzyć.
Jak Paper2Agent tworzy agenta
Proces konwersji opiera się na zespole „agentów roboczych” sztucznej inteligencji, który analizuje opublikowany artykuł wraz z powiązanym z nim kodem i danymi. Co najważniejsze, nie tylko czytają badanie – próbują odtworzyć je od podstaw w środowisku wirtualnym, symulując udokumentowane eksperymenty. Powtarzając pracę, agenci absorbują wiedzę, która nigdy nie trafia do ostatecznego rękopisu, począwszy od odczynników i zależności oprogramowania po specyfikę konfiguracji eksperymentu.
Wiedza ta jest następnie przechowywana przy użyciu MCP – modelowego protokołu kontekstowego, który porządkuje artykuł w dostępną strukturę. „MCP pozwala sztucznej inteligencji zasadniczo reprezentować papierowy plik PDF w formie łatwo dostępnej dla agentów, prawie jak system archiwizacji” – powiedział Zou, umieszczając każdą sekcję papieru w osobnej przegródce.
Maszyny nie są jednak w stanie przechwycić wszystkiego. Nieudane eksperymenty, wezwania do osądu i milczące uzasadnienie wyborów projektowych wciąż żyją tylko w głowach badaczy. Zatem system obejmuje etap konwersacji, podczas którego agent papierowy przeprowadza wywiady z autorami-ludźmi, aby wypełnić te luki.
Pierwsze odkrycie: nowy trop dotyczący ADHD
Aby zademonstrować, co może osiągnąć współpraca między agentami, zespół przekształcił dwa niepowiązane artykuły w agentów. Jeden z nich opisał narzędzie do przewidywania wpływu mutacji genetycznych na genom; drugi zgłosił badanie asocjacyjne obejmujące cały genom, dotyczące ryzyka wystąpienia zespołu deficytu uwagi/nadpobudliwości.
Gdy obaj zaczęli uciekać, agenci sami znaleźli wspólną płaszczyznę porozumienia. Agent przewidywania genomu zastosował swoją metodę do zbioru danych ADHD i oznaczył wariant molekularny w pobliżu genu o nazwie MPHOSPH9 jako powiązany ze zwiększonym ryzykiem ADHD – według Zou powiązanie to nie było wcześniej zgłaszane.
„W przeszłości, jeśli istniały dwie grupy badawcze, które publikowały dwa różne artykuły, musiały one w jakiś sposób się odnaleźć” – powiedział Zou. Długoterminowa wizja jest znacznie szersza niż starannie wybrana para: miliony papierowych agentów odkrywają, że pokrywają się między sobą i generują nowe spostrzeżenia na dużą skalę — coś, co Zou porównuje do szybkiego randkowania w manuskrypcie.
Obietnica, uznanie i poręcze
Zespół stworzył do tej pory ponad 100 agentów papierowych i wciąż pracuje nad tym, w jaki sposób tysiące lub miliony z nich mogłyby produktywnie znajdować się nawzajem. Zou twierdzi, że korzyści płynące z nauki są ogromne – „Każdego roku publikowane są miliony artykułów” – zauważył – ale wyraźnie stawia dwa zastrzeżenia.
Po pierwsze, przypisanie. Agenci rozszerzający ustalenia artykułu powinni wzmacniać pracę oryginalnych badaczy, a nie ją zakopywać. „Nadal ważne jest, aby przypisać ostateczne odkrycia i odnieść się do nich z oryginalnymi dokumentami i oryginalnymi autorami ludzkimi” – powiedział.
Po drugie, nadzór. Zou stwierdziła, że należy ściśle kierować i monitorować parametry, w ramach których agenci współpracują i dokonują odkryć, aby zapewnić zgodność tej współpracy z bezpiecznymi i etycznymi praktykami badawczymi.
Prace finansowano ze środków Chan-Zuckerberg Biohub.
Dlaczego to ma znaczenie
Paper2Agent wkracza w krajobraz badawczy już przekształcony przez przegląd literatury wspomagany sztuczną inteligencją i automatyzację laboratoriów, ale jego założenia są inne: zamiast używać modelu ogólnego przeznaczenia do podsumowywania artykułów, zamienia każdy artykuł w zweryfikowanego, wykonalnego specjalistę, który faktycznie ponownie przeprowadził podstawową naukę. Jeśli podejście zostanie uogólnione, sam artykuł naukowy może ewoluować z dokumentu, który można cytować, w działający element infrastruktury, a tempo, w jakim ustalenia łączą się w różnych dyscyplinach, może odpowiednio wzrosnąć.
_Bądź o krok przed zakrętem. Otrzymuj najświeższe informacje na temat przełomowych odkryć w zakresie sztucznej inteligencji oraz ich znaczenia dla nauki i przemysłu w AI Buzz Wire._
