Ғылыми қауымдастық зерттеулерді жылдамдату үшін жаңа құрал алды: Google DeepMind зерттеушісі Кевин Мерфи Model Discovery Agent (MDA) жүйесін әзірледі. Бұл деректерді жай ғана талдап қоймай, гипотезаларды құрудан оларды эмпирикалық тексеруге дейінгі ғылыми таным циклін толығымен автоматтандыратын автономды ИИ-агент.

MDA архитектурасы белсенді оқыту принципіне негізделген. Жүйе байқалатын құбылысты түсіндіретін бірнеше ықтимал механизмдерді ұсынады, содан кейін қандай эксперимент ақпараттың максималды өсімін беретінін өзі анықтайды және нәтижелерді алғаннан кейін өз гипотезаларын жаңартады. Мұндай тәсіл ғалым-зерттеушінің жұмысына еліктейді, бірақ әлдеқайда жоғары жылдамдық пен дәлдікпен.

Агенттің негізгі ерекшелігі — пәнаралық салаларда жұмыс істеу қабілеті. Тестілеу физика, химия және биология есептерінде жүргізілді, бұл ұсынылған әдіснаманың әмбебаптығын растайды. Менің талдауым бойынша, MDA эксперименталды деректермен жұмыс істеу тиімділігінде, әсіресе қолжетімді өлшемдер саны шектеулі сценарийлерде, қолданыстағы машиналық оқыту әдістерінен айтарлықтай артықшылығын көрсетті.

Бұл ИИ деректерді жай ғана өңдеп қоймай, зерттеу стратегиясы туралы шешім қабылдайтын толығымен автономды ғылыми зертханаларды құрудағы маңызды қадам. Мұндай агенттерді енгізу гипотезаны тұжырымдау мен оны тексеру арасындағы уақытты түбегейлі қысқартуға қабілетті, бұл жаңа материалдар немесе дәрілік препараттарды әзірлеу сияқты салаларда өте маңызды.

Дегенмен, MDA әзірге берілген параметрлер шеңберінде жұмыс істейтінін және түбегейлі жаңа ғылыми парадигмаларды құруға қабілетсіз екенін атап өткен жөн. Алайда гипотезаларды күнделікті тексеру және эксперименталды жоспарларды оңтайландыру құралы ретінде ол бүгіннің өзінде бүкіл әлемдегі зерттеу топтары үшін айтарлықтай құндылықты білдіреді.