OpenScience bringt einen Forschungsagenten auf den Desktop, jeder Schritt wird protokolliert

Der jüngste Zugang im dicht besetzten Feld der KI-Werkzeuge für die Wissenschaft ist ein GitHub-Repository. OpenScience, am 31. Oktober unter der Organisation synthetic-sciences veröffentlicht, bezeichnet sich selbst als "die Open-Source-KI-Werkbank für wissenschaftliche Forschung" und kommt als Desktop-App für macOS, Windows und Linux, als Browser-Arbeitsbereich und als Terminal-Befehl.

Der Anspruch ist bewusst eng gefasst. Laut README des Projekts übernimmt der Agent "die Teile der Forschung, die echte Arbeit sind, aber nicht die Idee": Daten holen und bereinigen, eine Behauptung reproduzieren, einen Parameter durchlaufen, den Methodenteil entwerfen, eine Referenz prüfen. Die Idee und das Urteil bleiben beim Nutzer.

Was ihn von einer Chatbot-Hülle unterscheidet, ist die Prüfspur. Laut README liest sich ein Durchgang als "was er dachte, was er suchte, was er ausführte, was er schrieb, dann die Antwort", und nichts läuft, was der Nutzer hinterher nicht sehen kann. Die Software enthält Shell-, Python- und R-Kernel, Notebooks, ein Dateisystem mit ausdrücklichen Lese- und Schreibrechten sowie entfernte Rechenleistung. Sie listet außerdem Hunderte mitgelieferte Fähigkeiten aus Biologie, Chemie, Physik, ML und Datenengineering sowie Anbindungen an ChEMBL, UniProt, PubMed und arXiv.

Die Modellwahl bleibt dem Nutzer überlassen: einen API-Schlüssel mitbringen, sich bei einem unterstützten Anbieter anmelden, ein lokales Modell über Ollama oder LM Studio laufen lassen oder für eine verwaltete Option zahlen, die das Projekt Ace nennt. Das README endet mit einer Warnung, die wie ein Haftungshinweis klingt und zugleich ein Rat ist: Quellen, Annahmen, Code und Ausgaben prüfen, bevor man sich auf eine wissenschaftliche Schlussfolgerung verlässt.

Automatisierung kommt auf beiden Seiten der Laborbank an

Die Veröffentlichung von OpenScience fällt in eine Woche mit ähnlichen Signalen. Opentrons, das Unternehmen für Laborrobotik, meldete am 29. Oktober eine Series-E-Runde über 40.000.000 Dollar unter Führung von Avego; citybiz und Genetic Engineering and Biotechnology News stellten sie als Vorstoß dar, KI-getriebene Wissenschaft auf seinen Robotern zu standardisieren. In derselben Woche richtete A*STAR ein KI-gestütztes automatisiertes Labor für die Entwicklung fortgeschrittener Materialien ein, wie die chinesischsprachige Zeitung Lianhe Zaobao berichtete, und XtalPi kündigte eine Partnerschaft mit A*STAR im Programm MARVEL-AI an, laut PR Newswire.

Forschungsgruppen veröffentlichen die Evaluierungsarbeit parallel zu den Produkten. Ein am 30. Oktober bei arXiv eingereichtes Papier von Akshat Jani, Sakhinana Sagar Srinivas und Venkataramana Runkana prüft, ob Agenten vollständige, ausführbare JSON-Spezifikationen für Geometrieerstellung, Vernetzung, PDE-Lösung und Ergebnisausgabe schreiben können. Bei 120 vorlagenbezogenen Anfragen erreichte der vollständige Arbeitsablauf 98,3 Prozent korrekte Spezifikationen und Entscheidungen im ersten Durchgang, gegenüber 92,5 Prozent bei einem schemaunterstützten Einzelschritt und 82,5 Prozent bei reinem Modell, ein Zugewinn von 5,8 und 15,8 Prozentpunkten. Von 42 Anfragen, die eine Klärung oder Ablehnung verlangten, traf er keine falsche Bereitschaftsentscheidung. Von 12 Live-Tests vom Nutzer bis zum Ergebnis gelangen 9 bei Spezifikation, Ausführung, Export und numerischer Referenz gemeinsam.

Ein zweites arXiv-Papier, am selben Tag von Jae-Hyun Baek, Byung-Sun Won und Jon-Lark Kim eingereicht, nutzt LLM-gesteuerte Programm-Evolution, um verschränkungsunterstützte quantenfehlerkorrigierende Codes zu suchen, wobei Lean das algebraische Zertifikat prüft. Die Autoren berichten, die gefundene Familie habe 54 Lücken in archivierten Tabellen geschlossen, und sie hätten 115 verifizierte Code-Datensätze sowie zehn Nichtexistenz-Ergebnisse mit geprüften DRAT-Beweisen veröffentlicht. In acht paarweisen Generierungsblöcken waren validierungsselektierte iterative Programme bei ungesehenen Längen in 46,1 Prozent und 31,6 Prozent der zurückgehaltenen Ausführungen erfolgreich, gegenüber 19,5 Prozent und 3,1 Prozent bei unabhängig erzeugten Programmen.

Nicht jede Behauptung über KI-Unterstützung in der Wissenschaft hält der Prüfung stand. Science News berichtete am 26. Oktober, Anthropic habe einen Forscher beschrieben, der Claude nutzte, um Arbeiten an hochpathogener aviärer Influenza zu planen, einschließlich Mutationen, die dem Virus helfen könnten, sich an Säugetiere anzupassen. Der Influenzaforscher Thomas Friedrich von der University of Wisconsin–Madison nannte solche Forschung "absolut einen normalen Teil der Virologieforschung", während der Biodefence-Forscher Gregory Koblentz von der George Mason University dem Blatt sagte, es gebe "keine Belege dafür, dass irgendeines dieser Forschungsarbeiten mit der Entwicklung biologischer Waffen zusammenhing". Friedrich sagte außerdem, Anthropics eigene Darstellung lege nahe, dass das Modell "keine wissenschaftliche Fähigkeit in bedeutendem Maß hinzugefügt" habe.

An anderer Stelle geht es in den KI-Nachrichten der Woche um Kosten, nicht um Fähigkeiten. SUSE teilte seinen 1.900 Mitarbeitern mit, es werde etwa 10 Prozent seiner weltweiten Belegschaft abbauen, unter Verweis auf "Automatisierung und KI", laut einer internen E-Mail, die The Register vorlag und über die heise online am 2. November berichtete. CEO Dirk-Peter van Leeuwen schrieb, die Entscheidungen seien "schmerzhaft für unsere Mitarbeiter, unsere Unterkultur und unsere Open-Source-Community", aber nötig für ein widerstandsfähiges SUSE. Betroffene Mitarbeiter sollten bis Mittwoch informiert werden, die Einzelgespräche beginnen Anfang nächster Woche, und am 16. November folgt eine Strategiebesprechung für den Rest des Unternehmens.

Für die Gemeinde der Open-Source-Werkbänke gilt dieselbe Lehre, die das README schlicht ausspricht: Der Agent zeigt, was er getan hat, damit man es prüfen kann.