Από τις απαντήσεις στην εκτέλεση εργασιών
Η έρευνα απαιτεί δημιουργικότητα, αλλά και αμέτρητες ώρες αναζήτησης βιβλιογραφίας, προετοιμασίας δεδομένων και ελέγχου υπολογισμών. Οι πράκτορες τεχνητής νοημοσύνης μπορούν να αναλάβουν μέρος αυτής της εργασίας, ώστε οι ερευνητές να αφιερώνουν περισσότερο χρόνο στη διατύπωση ερωτημάτων και στην ερμηνεία αποτελεσμάτων. Η αξία τους κρίνεται από το κατά πόσο παράγουν ελέγξιμη εργασία, διευκολύνουν τη συνεργασία και κάνουν τις επιστημονικές μεθόδους προσβάσιμες σε περισσότερους ανθρώπους.
Ένας πράκτορας ΤΝ συνδυάζει συνήθως ένα γλωσσικό μοντέλο με εργαλεία αναζήτησης, πρόσβαση σε δεδομένα και δυνατότητα εκτέλεσης προγραμμάτων. Μπορεί να χωρίσει ένα αίτημα σε επιμέρους βήματα, να επιλέξει εργαλεία και να αναπροσαρμόσει την πορεία του ανάλογα με τα αποτελέσματα. Για παράδειγμα, στο αίτημα «εφάρμοσε αυτή τη μέθοδο στα δεδομένα μου» μπορεί να εξετάσει τα αρχεία, να εκτελέσει τον διαθέσιμο κώδικα και να δημιουργήσει διαγράμματα. Ο βαθμός αυτονομίας του εξαρτάται από τον σχεδιασμό και τα δικαιώματα που του έχουν δοθεί.
Βιβλιογραφία με καλύτερη τεκμηρίωση
Η πρώτη σημαντική εφαρμογή αφορά τη βιβλιογραφική έρευνα. Το PaperQA2 αποτελεί χαρακτηριστικό παράδειγμα συστήματος που αναζητά επιστημονικές δημοσιεύσεις, ανακτά σχετικά αποσπάσματα και συνθέτει απαντήσεις με παραπομπές. Η σχετική μελέτη εξετάζει την ανάκτηση πληροφοριών, τη σύνθεση επιστημονικής γνώσης και τον εντοπισμό αντιφάσεων. Οι υψηλές επιδόσεις που αναφέρουν οι συγγραφείς αφορούν συγκεκριμένες δοκιμασίες και δεν τεκμηριώνουν γενική υπεροχή έναντι των ερευνητών.
Για έναν υποψήφιο διδάκτορα, ένας τέτοιος βοηθός μπορεί να αποτελέσει αφετηρία για τη χαρτογράφηση ενός πεδίου και τη σύγκριση διαφορετικών ευρημάτων. Χρειάζεται, όμως, έλεγχος των πρωτογενών κειμένων: δύο μελέτες μπορεί να φαίνονται αντιφατικές επειδή εξετάζουν διαφορετικούς πληθυσμούς ή χρησιμοποιούν διαφορετικές μεθόδους. Η παραπομπή επιτρέπει τον έλεγχο, χωρίς να εγγυάται ότι η ερμηνεία είναι σωστή. Η επιλογή κριτηρίων αναζήτησης και η αξιολόγηση της ποιότητας των μελετών παραμένουν επιστημονικές ευθύνες.
Paper2Agent: όταν μια δημοσίευση γίνεται αξιοποιήσιμο εργαλείο
Το Paper2Agent, που αναπτύχθηκε από ερευνητές του Stanford, αντιμετωπίζει ένα καθημερινό εμπόδιο: ακόμη και όταν δημοσιεύεται ο κώδικας μιας μεθόδου, η εγκατάσταση και η εφαρμογή του απαιτούν χρόνο και τεχνογνωσία. Το σύστημα εξετάζει τη δημοσίευση και τον συνοδευτικό κώδικα, οργανώνει λειτουργίες σε εργαλεία και εκτελεί δοκιμές. Χρησιμοποιεί το πρωτόκολλο MCP, το οποίο επιτρέπει σε πράκτορες να καλούν εξωτερικά εργαλεία με τυποποιημένο τρόπο.
Στα παραδείγματα της μελέτης περιλαμβάνονται το AlphaGenome για την υπολογιστική διερεύνηση γενετικών παραλλαγών, το Scanpy για ανάλυση δεδομένων μεμονωμένων κυττάρων και το TISSUE για χωρική ανάλυση γονιδιακής έκφρασης. Ο ερευνητής μπορεί να ζητήσει μια ανάλυση με φυσική γλώσσα, αξιοποιώντας τις λειτουργίες του αρχικού λογισμικού. Πρόκειται για πρακτική γέφυρα ανάμεσα στη δημοσίευση μιας μεθόδου και στην επαναχρησιμοποίησή της.
Η δυνατότητα αυτή έχει ιδιαίτερη εκπαιδευτική σημασία. Μια ερευνητική μέθοδος μπορεί να συνοδεύεται από έναν διαδραστικό βοηθό που εξηγεί τις εισόδους, εκτελεί παραδείγματα και παρουσιάζει τα αποτελέσματα. Απαραίτητη προϋπόθεση είναι να παραμένουν ορατά ο κώδικας, οι παράμετροι και οι περιορισμοί. Η επιτυχής εκτέλεση ενός προγράμματος δεν αποδεικνύει από μόνη της ότι η μέθοδος ταιριάζει στο ερευνητικό ερώτημα.
Από την ανάλυση στις ερευνητικές υποθέσεις
Οι πράκτορες μπορούν επίσης να βοηθούν στη διαμόρφωση υποθέσεων. Το Co-Scientist της Google οργανώνει πολλαπλούς πράκτορες που προτείνουν, κρίνουν και αναθεωρούν ιδέες, με βάση στόχους που θέτουν οι επιστήμονες. Στη σχετική εργασία παρουσιάζονται βιοϊατρικές εφαρμογές, μεταξύ των οποίων προτάσεις επαναχρησιμοποίησης φαρμάκων και συνδυασμών που εξετάστηκαν πειραματικά σε κυτταρικά συστήματα. Τέτοια αποτελέσματα ενισχύουν την προοπτική υποβοήθησης της έρευνας, χωρίς να ισοδυναμούν με αποδεδειγμένη κλινική αποτελεσματικότητα.
Στο Virtual Lab, ο άνθρωπος συνεργάζεται με ομάδα πρακτόρων που αναλαμβάνουν διαφορετικούς επιστημονικούς ρόλους. Σε εφαρμογή για τον σχεδιασμό νανοαντισωμάτων έναντι του SARS-CoV-2, το σύστημα συνέδεσε υπολογιστικά εργαλεία και πρότεινε υποψήφια μόρια, τα οποία υποβλήθηκαν σε εργαστηριακές δοκιμές. Το ουσιαστικό στοιχείο είναι η σύνδεση υπολογιστικής πρότασης και πραγματικού πειράματος. Η συμφωνία μεταξύ πρακτόρων δεν αποτελεί ανεξάρτητη επιβεβαίωση, ιδίως όταν στηρίζονται στο ίδιο μοντέλο ή στις ίδιες πηγές.
Αξιοπιστία που μπορεί να ελεγχθεί
Η αποτελεσματική χρήση απαιτεί σαφή διάκριση ανάμεσα σε πληροφορία από δημοσίευση, αποτέλεσμα υπολογισμού και ερμηνευτική υπόθεση. Ένας πράκτορας μπορεί να επιλέξει ακατάλληλη στατιστική μέθοδο, να παραβλέψει ελλιπή δεδομένα ή να παρουσιάσει μια συσχέτιση ως αιτιότητα. Όσο περισσότερα βήματα εκτελεί, τόσο σημαντικότερη γίνεται η δυνατότητα εντοπισμού του σημείου όπου εμφανίστηκε ένα σφάλμα.
Γι’ αυτό, ένα εργαστήριο χρειάζεται να διατηρεί αρχεία των ενεργειών, τις εκδόσεις λογισμικού και μοντέλων, τις παραμέτρους και τα δεδομένα εισόδου. Οι κρίσιμες αναλύσεις πρέπει να συγκρίνονται με γνωστά αποτελέσματα και να επανεξετάζονται από ερευνητές. Η πρόσβαση σε ευαίσθητα δεδομένα και οι ενέργειες που καταναλώνουν σημαντικούς πόρους χρειάζονται περιορισμούς και ανθρώπινη έγκριση. Στόχος είναι κάθε συμπέρασμα να συνδέεται με μια διαδικασία που άλλοι μπορούν να ελέγξουν.
Ανοιχτές υποδομές και εκπαίδευση για όλους
Η διάθεση του Paper2Agent και του Virtual Lab με άδεια MIT, καθώς και του κώδικα του PaperQA, προσφέρει δυνατότητες μελέτης και προσαρμογής. Ωστόσο, ο ανοιχτός κώδικας μιας εφαρμογής δεν σημαίνει ότι όλα τα μοντέλα, τα δεδομένα ή οι υπηρεσίες που χρησιμοποιεί είναι επίσης ανοιχτά. Ένα σύστημα μπορεί να εξαρτάται από εμπορικά API, χρεώσεις και περιορισμούς πρόσβασης. Αυτές οι εξαρτήσεις πρέπει να αξιολογούνται πριν από την υιοθέτησή του.
Για τα ελληνικά πανεπιστήμια, μια ουσιαστική κατεύθυνση θα ήταν η δημιουργία κοινών υποδομών ερευνητικών βοηθών, με συμμετοχή βιβλιοθηκών, εργαστηρίων και ομάδων ερευνητικού λογισμικού. Μικρές πιλοτικές εφαρμογές μπορούν να ξεκινήσουν με δημόσια δεδομένα και εργασίες των οποίων τα αποτελέσματα ελέγχονται εύκολα. Όπου το επιτρέπουν οι απαιτήσεις, μοντέλα που λειτουργούν σε ιδρυματικές υποδομές μπορούν να ενισχύσουν τον έλεγχο των δεδομένων, εφόσον προηγηθεί αξιολόγηση ποιότητας και συνολικού κόστους.
Η εκπαίδευση χρειάζεται να περιλαμβάνει έλεγχο πηγών, στατιστική σκέψη, αναπαραγωγή αναλύσεων και κατανόηση των αδειών χρήσης. Μια χρήσιμη άσκηση είναι οι φοιτητές να συγκρίνουν την εργασία ενός πράκτορα με μια χειροκίνητη ανάλυση και να τεκμηριώνουν τις αποκλίσεις. Η αξιολόγηση πρέπει να εξετάζει την ορθότητα και τη δυνατότητα αναπαραγωγής, μαζί με τον χρόνο που εξοικονομείται. Έτσι, οι πράκτορες ΤΝ μπορούν να υπηρετήσουν την ανοιχτή επιστήμη: να διευρύνουν την πρόσβαση στις μεθόδους και να ενισχύσουν την επιστημονική αυτενέργεια, με τους ερευνητές υπεύθυνους για τα ερωτήματα, τις αποφάσεις και τα συμπεράσματα.
Πηγές άρθρου:
- Jiacheng Miao κ.ά., Paper2Agent: Reimagining Research Papers As Interactive and Reliable AI Agents: Η ερευνητική εργασία για τη μετατροπή δημοσιεύσεων και συνοδευτικού κώδικα σε εργαλεία πρακτόρων, με παραδείγματα AlphaGenome, Scanpy και TISSUE. Χρησιμοποιήθηκε η επαληθευμένη έκδοση v2 του arXiv: https://arxiv.org/abs/2509.06917v2.
- Paper2Agent, επίσημο αποθετήριο κώδικα: Περιλαμβάνει οδηγίες εγκατάστασης και παραδείγματα σύνδεσης επιστημονικών εργαλείων με πράκτορες μέσω MCP: https://github.com/jmiao24/Paper2Agent.
- Michael D. Skarlinski κ.ά., Language agents achieve superhuman synthesis of scientific knowledge: Παρουσιάζει το PaperQA2 και την αξιολόγησή του σε συγκεκριμένες εργασίες βιβλιογραφικής αναζήτησης, σύνθεσης και ανίχνευσης αντιφάσεων: https://arxiv.org/abs/2409.13740.
- FutureHouse, PaperQA: Το αποθετήριο τεκμηριώνει τον διαθέσιμο κώδικα για αναζήτηση σε επιστημονικά έγγραφα και παραγωγή απαντήσεων με παραπομπές: https://github.com/Future-House/paper-qa.
- Juraj Gottweis κ.ά., Accelerating scientific discovery with Co-Scientist: Περιγράφει τη συνεργασία πρακτόρων για παραγωγή και κριτική ερευνητικών υποθέσεων, καθώς και την πειραματική αξιολόγηση επιλεγμένων βιοϊατρικών προτάσεων: https://arxiv.org/abs/2502.18864.
- Zou Group, Virtual Lab: Το αποθετήριο παρουσιάζει τη συνεργασία ανθρώπου και πρακτόρων και την εφαρμογή στον σχεδιασμό νανοαντισωμάτων και τον κώδικα με άδεια MIT, παραπέμποντας στην αντίστοιχη δημοσίευση στο Nature: https://github.com/zou-group/virtual-lab.
- UNESCO, Recommendation on Open Science: Θεμελιώνει την ανοιχτή επιστήμη στην προσβασιμότητα της γνώσης, στις κοινές υποδομές, στη συνεργασία και στην ανάπτυξη δεξιοτήτων, προσφέροντας πλαίσιο για τις προτεινόμενες πανεπιστημιακές παρεμβάσεις: https://www.unesco.org/en/open-science/about.