Научные статьи были статичными документами с тех пор, как в 1660-х годах появились первые научные журналы. Команда Стэнфордского медицинского университета хочет заставить их говорить. В исследовании, опубликованном 16 сентября в журнале Nature, исследователи представили Paper2Agent — систему, которая преобразует любую научную рукопись — ее текст, рисунки и данные — в интерактивного ИИ-агента, который может отвечать на вопросы о работе, применять свои методы к новым данным и сотрудничать с другими бумажными агентами для получения новых результатов.
Проект возглавили постдокторант Цзячэн Мяо и старший автор Джеймс Цзоу, доцент кафедры биомедицинских данных в Стэнфордском медицинском университете.
От пассивных страниц к активным знаниям
«По существу, на протяжении всей человеческой истории мы представляем знания в форме этих очень пассивных артефактов», — сказал Цзоу в заявлении Стэнфордского медицинского университета. «В старину люди вырезали знания на камнях, а теперь мы печатаем знания в виде слов на страницах — но в некотором смысле страницы не намного лучше».
«Это возможность фундаментально переосмыслить то, как выглядят знания», — добавил он. «Вместо того, чтобы иметь только пассивные артефакты, почему бы нам не преобразовать каждую статическую запись в активное воплощение знаний?» Цзоу описывает каждого бумажного агента как нечто вроде виртуального автора, который знает, как на самом деле проводилось исследование, и может объяснить, защитить и расширить его.
Как Paper2Agent создает агента
Процесс преобразования опирается на команду «рабочих агентов» ИИ, которые анализируют опубликованную статью вместе со всем связанным с ней кодом и данными. Важно отметить, что они не просто читают исследование — они пытаются воспроизвести его с нуля в виртуальной среде, имитируя задокументированные эксперименты. Переделывая работу, агенты усваивают ноу-хау, которые никогда не попадают в окончательную версию рукописи, от реагентов и зависимостей от программного обеспечения до особенностей экспериментальной установки.
Эти знания затем сохраняются с помощью MCP — протокола контекста модели, который организует документ в доступную структуру. «MCP позволяет ИИ, по сути, представлять бумажный PDF-файл в форме, к которой агентам легко получить доступ, почти как файловая система», — сказал Цзоу, при этом каждый раздел документа организован в отдельное отделение.
Однако машины не могут охватить все. Неудачные эксперименты, суждения и молчаливые аргументы в пользу выбора дизайна все еще живут только в головах исследователей. Таким образом, система включает в себя этап диалога, на котором бумажный агент берет интервью у авторов-людей, чтобы заполнить эти пробелы.
Первое открытие: новый руководитель СДВГ
Чтобы продемонстрировать, чего может достичь сотрудничество между агентами, команда превратила два несвязанных между собой документа в агентов. Один описал инструмент для прогнозирования того, как генетические мутации влияют на геном; другой сообщил о полногеномном исследовании ассоциации риска синдрома дефицита внимания и гиперактивности.
Когда оба сбежали, агенты сами нашли общий язык. Агент прогнозирования генома применил свой метод к набору данных о СДВГ и пометил молекулярный вариант рядом с геном MPHOSPH9 как связанный с повышенным риском СДВГ — о связи, по словам Цзоу, раньше не сообщалось.
«Раньше, если две исследовательские группы публиковали две разные статьи, этим двум исследовательским группам приходилось каким-то образом находить друг друга», — сказал Цзоу. Долгосрочное видение намного шире, чем тщательно подобранная пара: миллионы бумажных агентов обнаруживают совпадения между собой и генерируют новые идеи в масштабе — это то, что Цзоу сравнивает с быстрым датированием рукописей.
Обещание, атрибуция и ограничения
На данный момент команда создала более 100 бумажных агентов и все еще работает над тем, как тысячи или миллионы из них могут продуктивно находить друг друга. Цзоу утверждает, что потенциал для развития науки огромен: «Ежегодно публикуются миллионы статей», — отметил он, — но он недвусмысленно делает два предостережения.
Во-первых, атрибуция. Агенты, расширяющие выводы статьи, должны усиливать работу первоначальных исследователей, а не хоронить ее. «По-прежнему важно приписывать окончательные открытия и ссылаться на оригинальные статьи и первоначальных авторов-людей», — сказал он.
Во-вторых, надзор. По словам Цзоу, параметры, при которых агенты сотрудничают и делают открытия, должны тщательно контролироваться и контролироваться, чтобы это сотрудничество соответствовало безопасным и этическим исследовательским практикам.
Работа была поддержана финансированием Chan-Zuckerberg Biohub.
Почему это важно
Paper2Agent попадает в исследовательский ландшафт, который уже изменился благодаря обзору литературы с помощью искусственного интеллекта и автоматизации лабораторий, но его предпосылка другая: вместо использования модели общего назначения для обобщения статей, он превращает каждую статью в проверенного, исполняемого специалиста, который фактически повторно изучает лежащую в основе научную работу. Если этот подход обобщается, сама научная статья может превратиться из цитируемого документа в действующую часть инфраструктуры, и скорость, с которой результаты соединяются между дисциплинами, может соответственно ускориться.
_Будьте на шаг впереди. Узнайте последние новости о достижениях в области искусственного интеллекта и их значении для науки и промышленности на AI Buzz Wire._
