เอกสารทางวิทยาศาสตร์ถือเป็นเอกสารคงที่นับตั้งแต่วารสารทางวิชาการฉบับแรกที่ปรากฏในทศวรรษ 1660 ทีมงานของ Stanford Medicine ต้องการทำให้พวกเขาพูดคุย ในการศึกษาที่ตีพิมพ์เมื่อวันที่ 16 กันยายนในวารสาร Nature นักวิจัยได้เปิดตัว Paper2Agent ซึ่งเป็นระบบที่แปลงต้นฉบับทางวิทยาศาสตร์ ไม่ว่าจะเป็นข้อความ ตัวเลข และข้อมูล ให้กลายเป็น AI แบบโต้ตอบที่สามารถตอบคำถามเกี่ยวกับงาน ใช้วิธีการกับข้อมูลใหม่ และทำงานร่วมกับตัวแทนกระดาษอื่นๆ เพื่อสร้างการค้นพบใหม่ๆ
โครงการนี้นำโดยนักวิชาการหลังปริญญาเอก Jiacheng Miao และผู้เขียนอาวุโส James Zou รองศาสตราจารย์ด้านวิทยาศาสตร์ข้อมูลชีวการแพทย์ที่ Stanford Medicine
จากเพจแบบพาสซีฟไปจนถึงความรู้แบบแอคทีฟ
"สำหรับประวัติศาสตร์ของมนุษย์โดยพื้นฐานแล้ว วิธีที่เรานำเสนอความรู้อยู่ในรูปแบบของสิ่งประดิษฐ์ที่ไม่โต้ตอบเหล่านี้" ซูกล่าวในประกาศจาก Stanford Medicine "ในสมัยก่อนผู้คนแกะสลักความรู้ไว้เป็นหิน และตอนนี้เราพิมพ์ความรู้เป็นคำในหน้าต่างๆ แต่ในแง่หนึ่งหน้าก็ไม่ได้ดีไปกว่านี้มากนัก"
“นี่เป็นโอกาสที่จะจินตนาการถึงความรู้พื้นฐานใหม่อีกครั้ง” เขากล่าวเสริม "แทนที่จะมีเพียงสิ่งประดิษฐ์ที่ไม่โต้ตอบ ทำไมเราไม่แปลงบันทึกแบบคงที่แต่ละรายการให้เป็นศูนย์รวมของความรู้ที่กระตือรือร้น" Zou อธิบายว่าตัวแทนกระดาษแต่ละคนเป็นเหมือนนักเขียนเสมือนจริงที่รู้ว่าการวิจัยเกิดขึ้นจริงอย่างไร และสามารถอธิบาย ปกป้อง และขยายขอบเขตได้
Paper2Agent สร้างตัวแทนได้อย่างไร
กระบวนการแปลงอาศัยทีมงาน AI "ตัวแทนผู้ปฏิบัติงาน" ซึ่งจะวิเคราะห์เอกสารที่เผยแพร่พร้อมกับรหัสและข้อมูลที่เกี่ยวข้อง สิ่งสำคัญที่สุดคือ พวกเขาไม่เพียงแค่อ่านการศึกษาวิจัยเท่านั้น แต่ยังพยายามทำซ้ำตั้งแต่ต้นในสภาพแวดล้อมเสมือนจริง โดยจำลองการทดลองที่บันทึกไว้ การทำงานซ้ำจะทำให้เจ้าหน้าที่ซึมซับความรู้ความชำนาญที่ไม่เคยกลายเป็นต้นฉบับขั้นสุดท้าย ตั้งแต่รีเอเจนต์และการพึ่งพาซอฟต์แวร์ไปจนถึงรายละเอียดเฉพาะของการตั้งค่าการทดลอง
ความรู้นั้นจะถูกจัดเก็บโดยใช้ MCP ซึ่งเป็นโปรโตคอลบริบทแบบจำลองที่จัดระเบียบรายงานให้เป็นโครงสร้างที่สามารถเข้าถึงได้ “MCP ช่วยให้ AI เป็นตัวแทนกระดาษ PDF ในรูปแบบที่ตัวแทนเข้าถึงได้ง่าย เกือบจะเหมือนกับระบบจัดเก็บเอกสาร” Zou กล่าว โดยแต่ละส่วนของกระดาษจัดเป็นช่องของตัวเอง
แม้ว่าเครื่องจักรจะไม่สามารถจับทุกสิ่งได้ การทดลองที่ล้มเหลว การตัดสิน และการใช้เหตุผลโดยปริยายเบื้องหลังตัวเลือกการออกแบบ ยังคงอยู่ในหัวของนักวิจัยเท่านั้น ดังนั้นระบบจึงรวมขั้นตอนการสนทนาที่ตัวแทนกระดาษสัมภาษณ์ผู้เขียนที่เป็นมนุษย์เพื่อเติมเต็มช่องว่างเหล่านั้น
การค้นพบครั้งแรก: ผู้นำ ADHD ใหม่
เพื่อแสดงให้เห็นว่าการทำงานร่วมกันระหว่างตัวแทนกับตัวแทนสามารถบรรลุผลสำเร็จได้อย่างไร ทีมงานได้แปลงเอกสารสองฉบับที่ไม่เกี่ยวข้องกันให้เป็นตัวแทน ฉบับหนึ่งอธิบายถึงเครื่องมือในการทำนายว่าการกลายพันธุ์ทางพันธุกรรมส่งผลต่อจีโนมอย่างไร อีกคนหนึ่งรายงานการศึกษาความสัมพันธ์ทั่วทั้งจีโนมเกี่ยวกับความเสี่ยงจากโรคสมาธิสั้น/สมาธิสั้น
เมื่อทั้งสองคนวิ่งหนี เจ้าหน้าที่ก็พบจุดยืนร่วมกันด้วยตนเอง เจ้าหน้าที่ทำนายจีโนมใช้วิธีการของมันกับชุดข้อมูล ADHD และทำเครื่องหมายตัวแปรโมเลกุลใกล้กับยีนที่เรียกว่า MPHOSPH9 ซึ่งสัมพันธ์กับความเสี่ยง ADHD ที่เพิ่มขึ้น การเชื่อมต่อที่ Zou กล่าวว่าไม่เคยมีการรายงานมาก่อน
“ในอดีต หากมีกลุ่มวิจัยสองกลุ่มที่ตีพิมพ์รายงานสองฉบับที่แตกต่างกัน กลุ่มวิจัยทั้งสองกลุ่มนั้นจะต้องมาพบกัน” ซูกล่าว วิสัยทัศน์ระยะยาวนั้นยิ่งใหญ่กว่าการจับคู่ที่คัดสรรมาอย่างดี: ตัวแทนกระดาษหลายล้านคนซ้อนทับกันและสร้างข้อมูลเชิงลึกใหม่ ๆ ในวงกว้าง ซึ่งเป็นสิ่งที่ Zou เปรียบเทียบกับการออกเดทด้วยต้นฉบับอย่างรวดเร็ว
คำสัญญา การแสดงที่มา และรั้วกั้น
จนถึงขณะนี้ ทีมงานได้สร้างตัวแทนกระดาษมากกว่า 100 รายแล้ว และยังคงค้นหาว่าตัวแทนหลายพันหรือล้านรายจะค้นหากันอย่างมีประสิทธิผลได้อย่างไร Zou แย้งว่าข้อดีของวิทยาศาสตร์นั้นมีมหาศาล “มีการตีพิมพ์บทความหลายล้านฉบับทุกปี” เขากล่าว แต่เขาก็มีคำเตือนที่ชัดเจนอยู่ 2 ข้อ
ประการแรก การระบุแหล่งที่มา เจ้าหน้าที่ที่ขยายผลการวิจัยควรขยายผลงานวิจัยของนักวิจัยต้นฉบับ ไม่ใช่ฝังไว้ “ยังคงเป็นสิ่งสำคัญที่จะต้องถือว่าการค้นพบครั้งสุดท้าย และอ้างอิงกลับไปยังเอกสารต้นฉบับและผู้เขียนต้นฉบับที่เป็นมนุษย์” เขากล่าว
ประการที่สองการกำกับดูแล พารามิเตอร์ที่เจ้าหน้าที่ทำงานร่วมกันและค้นพบควรได้รับการชี้แนะและติดตามอย่างใกล้ชิด Zou กล่าว เพื่อให้ความร่วมมือเหล่านั้นสอดคล้องกับแนวปฏิบัติการวิจัยที่ปลอดภัยและมีจริยธรรม
งานนี้ได้รับการสนับสนุนจากเงินทุนจาก Chan-Zuckerberg Biohub
ทำไมมันถึงสำคัญ
Paper2Agent เข้ามาอยู่ในแวดวงการวิจัยที่ได้รับการปรับโฉมใหม่โดยการทบทวนวรรณกรรมที่ได้รับความช่วยเหลือจาก AI และห้องปฏิบัติการอัตโนมัติ แต่สถานที่ตั้งของมันแตกต่างออกไป แทนที่จะใช้แบบจำลองวัตถุประสงค์ทั่วไปเพื่อสรุปรายงาน เอกสารจะเปลี่ยนรายงานแต่ละฉบับให้เป็นผู้เชี่ยวชาญที่ผ่านการตรวจสอบและดำเนินการได้ ซึ่งได้นำวิทยาศาสตร์พื้นฐานมาใช้งานจริงอีกครั้ง หากแนวทางดังกล่าวเป็นภาพรวม เอกสารทางวิทยาศาสตร์เองก็อาจพัฒนาจากเอกสารอ้างอิงไปเป็นโครงสร้างพื้นฐาน และความเร็วในการค้นพบที่เชื่อมโยงกับสาขาวิชาต่างๆ ก็อาจเร่งตัวเร็วขึ้นตามไปด้วย
_อยู่ข้างหน้าของโค้ง รับข่าวสารล่าสุดเกี่ยวกับความก้าวหน้าของ AI และความหมายสำหรับวิทยาศาสตร์และอุตสาหกรรมได้ที่ AI Buzz Wire._
