Ovaj alat pretvara znanstvene članke u agente koji odgovaraju na pitanja i surađuju
Ovog mjeseca tim Jamesa Zoua sa Sveučilišta Stanford opisao je Paper2Agent, radni tok koji znanstvene radove pretvara u interaktivne AI agente. Ti agenti nisu obični chatbotovi: svaki se obučava na tekstu, slikama i podacima iz rada te pokušava reproducirati njegove rezultate, prolazeći kroz eksperimente u virtualnom svijetu. Time stječe dublje razumijevanje rada i postaje virtualni autor koji može odgovarati na složena pitanja. Cilj je olakšati razumijevanje radova, reprodukciju rezultata i stvaranje hipoteza.
Paper2Agent prvo skenira sve dijelove rada, a zatim pokušava ponovno izvesti njegove rezultate. Pritom bilježi pojedinosti koje bi čitatelj inače morao tražiti, poput eksperimentalnih postavki i kemikalija, i sprema ih u digitalni trezor nazvan MCP server. Znanstvenici potom mogu povezati veliki jezični model po vlastitom izboru s tim serverom, postavljati pitanja agentu svakodnevnim jezikom ili izvoditi nove eksperimente na vlastitim podacima koristeći metode iz rada. Agent može i primijeniti metode iz jednog rada na novi skup podataka te surađivati s drugim agentskim radovima iz različitih disciplina.
Kontekst
Znanstveni su radovi stoljećima glavni način na koji istraživači dijele otkrića. Uglavnom su formulaični: počinju uvodom koji izlaže problem, a nastavljaju se hipotezama, rezultatima i zaključcima. Časopisi su od autora počeli tražiti i kod ili skupove podataka, poput snimaka mozga ili aktivnosti gena, a česti su i video te slikovni sažeci. Unatoč tome, radovi se uglavnom nisu mnogo promijenili. Mogu ispričati zanimljivu priču, ali stručni žargon otežava čitanje, a PDF od nekoliko desetaka stranica otežava reprodukciju rezultata, koja je često prvi korak u novom projektu. Ljudska pogreška može izostaviti važne dijelove.
MCP je razvio Anthropic kako bi AI sustavima omogućio pristup alatima, podacima i radnim tokovima kroz zajedničko sučelje.
Ključne brojke
Globalna znanstvena produkcija premašila je tri milijuna radova 2023. godine, a broj i dalje raste. U znamenitom projektu Reproducibility Project iz 2015. samo je 39 posto psiholoških studija dalo rezultate u skladu s izvornim nalazima. Analiza iz 2026. nije prošla mnogo bolje. Ti brojevi pokazuju koliko je reprodukcija rezultata izazovna.
Što to znači
Za Zoua i tim, pretvaranje radova u AI agente moglo bi pomoći u rješavanju problema preopterećenosti literaturom i slabe reproducibilnosti. Čitanje radova radi izgradnje temeljnog znanja prvi je korak svakog znanstvenog projekta, a izazov je još veći kada istraživanje prelazi discipline, primjerice AI i proteinsku znanost ili svijest strojeva i neuroznanost. Znanstvenici tada moraju svladati više područja, no veze koje uspostave često potiču proboje. Paper2Agent mogao bi djelovati kao prevoditelj između ljudski napisanog rada i chatbota, a Zou vidi “priliku da se iz temelja preosmisli kako znanje izgleda”.
Što slijedi
Daljnje mogućnosti uključuju povezivanje vlastitih velikih jezičnih modela s MCP serverom, postavljanje pitanja agentu i pokretanje novih eksperimenata na vlastitim podacima. Agent bi mogao prenositi metode među radovima i surađivati s drugim agentima, što bi moglo olakšati razumijevanje radova, reprodukciju rezultata i stvaranje hipoteza. Time bi se statični zapisi mogli pretvoriti u aktivno utjelovljenje znanja.