OpenScience stawia agenta badawczego na pulpicie, a każdy krok zostaje w zapisie

Najnowszy wpis w zatłoczonym polu narzędzi AI dla nauki to repozytorium na GitHubie. OpenScience, opublikowany 31 października w organizacji synthetic-sciences, opisuje się jako „open-source AI workbench for scientific research”. Trafia do użytkowników jako aplikacja desktopowa na macOS, Windows i Linux, przestrzeń robocza w przeglądarce i polecenie w terminalu.

Założenie jest celowo wąskie. Według README projektu agent zajmuje się „tymi częściami badań, które są prawdziwą pracą, ale nie pomysłem”: pobiera i czyści dane, odtwarza twierdzenie, przemiata parametr, pisze szkic sekcji metod, sprawdza przypis. Pomysł i osąd zostają przy użytkowniku.

Od nakładki na chatbota odróżnia go ścieżka audytu. README mówi, że tura czyta się jako „co pomyślał, czego szukał, co uruchomił, co napisał, a potem odpowiedź”, i że nic nie działa bez wiedzy użytkownika po fakcie. Oprogramowanie zawiera powłokę, jądra Pythona i R, notesy, system plików z jawnymi uprawnieniami odczytu i zapisu oraz zdalne obliczenia. Wymienia też setki dołączonych umiejętności z biologii, chemii, fizyki, ML i inżynierii danych oraz konektory do ChEMBL, UniProt, PubMed i arXiv.

Wybór modelu zostawiono użytkownikowi: własny klucz API, logowanie do wspieranego dostawcy, model lokalny przez Ollama lub LM Studio albo płatna opcja zarządzana, którą projekt nazywa Ace. README kończy ostrzeżeniem, które brzmi jak nota o odpowiedzialności równie mocno jak rada: przed oparciem się na wniosku naukowym sprawdź źródła, założenia, kod i wyniki.

Automatyzacja wchodzi po obu stronach stołu laboratoryjnego

Premiera OpenScience wpada w tydzień podobnych sygnałów. Opentrons, firma robotyki laboratoryjnej, ogłosiła 29 października rundę Series E o wartości 40 mln dolarów, prowadzoną przez Avego. Serwisy citybiz oraz Genetic Engineering and Biotechnology News przedstawiły ją jako dążenie do standaryzacji nauki napędzanej AI na jej robotach. W tym samym tygodniu A*STAR uruchomił zautomatyzowane laboratorium zasilane AI do prac nad materiałami zaawansowanymi, jak podał chińskojęzyczny Lianhe Zaobao, a XtalPi zapowiedział partnerstwo z A*STAR w ramach programu MARVEL-AI, według PR Newswire.

Grupy badawcze publikują prace ewaluacyjne obok produktów. Artykuł przesłany do arXiv 30 października przez Akshata Janiego, Sakhinanę Sagara Srinivasa i Venkatarmanę Runkana sprawdza, czy agenci potrafią pisać kompletne, wykonywalne specyfikacje JSON dla tworzenia geometrii, siatkowania, rozwiązywania równań różniczkowych cząstkowych i eksportu wyników. Na 120 żądaniach związanych z szablonami pełny przepływ osiągnął 98,3% poprawnych specyfikacji i decyzji w pierwszej turze, wobec 92,5% dla pojedynczego strzału wspomaganego schematem i 82,5% dla samego modelu, czyli o 5,8 i 15,8 punktu procentowego więcej. Wśród 42 żądań wymagających doprecyzowania lub odrzucenia nie podjął ani jednej fałszywej decyzji o gotowości. Z 12 testów na żywo od użytkownika do wyników 9 zakończyło się wspólnym sukcesem specyfikacji, wykonania, eksportu i referencji numerycznej.

Drugi artykuł na arXiv, przesłany tego samego dnia przez Jae-Hyuna Baeka, Byung-Suna Wona i Jon-Larka Kima, używa ewolucji programów sterowanej przez LLM do szukania kwantowych kodów korekcji błędów wspomaganych splątaniem, a Lean sprawdza certyfikat algebraiczny. Autorzy podają, że otrzymana rodzina zamknęła 54 luki w archiwalnych tabelach oraz że udostępnili 115 zweryfikowanych rekordów kodów i dziesięć wyników o nieistnieniu ze sprawdzonymi dowodami DRAT. W ośmiu sparowanych blokach generowania programy iteracyjne wybrane przez walidację odniosły sukces w 46,1% i 31,6% wykonań na odłożonych długościach, wobec 19,5% i 3,1% dla programów generowanych niezależnie.

Nie każde twierdzenie o wsparciu AI w nauce przechodzi weryfikację. Science News podał 26 października, że Anthropic opisał badacza używającego Claude'a do planowania prac nad wysoce patogenną grypą ptaków, w tym mutacji, które mogłyby pomóc wirusowi przystosować się do ssaków. Badacz grypy Thomas Friedrich z University of Wisconsin–Madison nazwał takie prace „absolutnie normalną częścią badań wirusologicznych”, a badacz biobronności Gregory Koblentz z George Mason University powiedział serwisowi, że „nie ma dowodów, by którekolwiek z tych badań było związane z rozwojem broni biologicznej”. Friedrich dodał też, że według samego Anthropica model „nie wniósł istotnie zdolności naukowych”.

Poza tym tydzień w wiadomościach o AI dotyczy kosztów, nie możliwości. SUSE powiedział swoim 1 900 pracownikom, że zetnie około 10 procent globalnej załogi, powołując się na „Automatisierung und KI”, według wewnętrznego maila, do którego dotarł The Register, a o którym pisał heise online 2 listopada. Prezes Dirk-Peter van Leeuwen napisał, że decyzje są „schmerzhaft für unsere Mitarbeiter, unsere Unterkultur und unsere Open-Source-Community”, ale konieczne dla odpornego SUSE. Osoby objęte zmianami miały dowiedzieć się do środy, indywidualne rozmowy startują na początku przyszłego tygodnia, a briefing strategiczny dla reszty firmy zaplanowano na 16 listopada.

Dla środowiska otwartych warsztatów pracy lekcja jest ta sama, którą README mówi wprost: agent pokazuje, co zrobił, żebyś mógł to sprawdzić.