Sakana AI's 'AI Forsker' automatiserer videnskabelig forskning

Det Tokyo-baserede kunstige intelligens startup, Sakana AI, har i dag præsenteret, hvad de hævder er den første generative AI-model i verden, der er designet til selv at udføre videnskabelig forskning. Modellen, kaldet AI Scientist, er resultatet af et samarbejde med forskere fra University of Oxford og University of British Columbia og siges at have potentialet til at automatisere mange af de processer, der er involveret i videnskabelige opdagelser.

Ifølge skaberne er AI Scientist baseret på store sprogmodeller, der er i stand til at efterligne den videnskabelige opdagelsesproces, begyndende med idéudvikling, efterfulgt af udførelse af eksperimenter og afsluttende med at skrive fuldstændige videnskabelige artikler, der beskriver deres opdagelser.

"Vi foreslår og kører et fuldt AI-drevet system til automatiseret videnskabelig opdagelse, anvendt på forskning inden for maskinlæring," skrev Sakana AIs team i en akademisk artikel, der beskriver den nye model.

Undersøgelsen beskriver, hvordan AI Scientist er designet til specifikt at udføre forskning inden for maskinlæring og er i stand til at foreslå idéer som nye teknikker til transformerbaserede sprogmodeller, diffusionsmodeller og analyser af læringsdynamikker.

Sakana AI hævder, at AI Scientist kan producere en komplet forskningsartikel til en pris af kun $15, baseret på de computerressourcer, den bruger. Desuden "overstiger dens artikler accepttærsklen" for en velkendt maskinlæringskonference, vurderet af en automatiseret gennemgangsproces.

"Fra idéudvikling, kodning, udførelse af eksperimenter og opsummering af resultater, til skrivning af hele artikler og udførelse af peer-review, åbner AI Scientist en ny æra af AI-drevet videnskabelig forskning og accelererede opdagelser," skrev forskerne.

I et blogindlæg sagde Sakana AIs team, at AI Scientist er i stand til at anvende en bred forskningsretning og en startkodebase, såsom den open source-kodebase af ældre forskning på GitHub, og begynde sin egen opdagelsesproces. De hævdede også, at AI-modellen kan følge proceduren for AI-forskere og udføre litteratursøgninger, planlægge eksperimenter, generere figurer, gennemgå manuskripter og mere. Den kan også køre i en åben løkke for at forbedre næste generations idéer, baseret på den foregående generation.

AI Scientist ser ud til at være et betydeligt gennembrud inden for generativ AI, med dens evne til at udføre forskningsprocesser helt autonomt, hvilket tyder på, at Sakana AIs team har opnået et niveau af kreativitet og ræsonnement, der er meget tættere på menneskers. Konsekvenserne af et sådant system er betydelige, da det potentielt kan bane vejen for kontinuerlig videnskabelig forskning og overvinde de begrænsninger, som menneskelige forskere har, som at tage kaffepauser, spise frokost og tage hjem i slutningen af dagen. Det kan føre til hurtigere fremskridt inden for forskellige områder, såsom materialeforskning, lægemiddelopdagelse og klimaændringsbegrænsning.

Det skal dog siges, at der stadig er meget arbejde, der skal gøres, før AI Scientist kan konkurrere på lige fod med ægte menneskelige forskere. Lige nu er modellen begrænset til kun ét specifikt forskningsområde, nemlig AI-softwareudvikling, og der kan også være hardwarebegrænsninger.

Desuden har AI Scientist stadig brug for en eksisterende kodebase som udgangspunkt for sin forskning, hvilket rejser spørgsmål om dens evne til virkelig at innovere og udvikle nye idéer.

Sakana AIs team påpegede også, at AI Scientist ikke har nogen computer visions-kapaciteter, hvilket begrænser dens evne til at rette visuelle problemer i de artikler, den producerer. Den kan også være tilbøjelig til AI-hallucinationer, hvilket betyder, at den nogle gange kan implementere idéer forkert eller lave urimelige sammenligninger med baseline-resultater, hvilket forurener dens resultater. De indrømmede også, at modellen nogle gange begår "kritiske fejl, når den skriver og evaluerer resultater", især når den sammenligner størrelsesforholdet mellem to tal.

Selvom det er klart, at AI Scientist demonstrerer en imponerende evne til at innovere på eksisterende idéer, er det endnu uvist, om systemet nogensinde vil være i stand til at foreslå og beskrive ægte originale og paradigmeskiftende idéer. AI-systemer er fremragende til at behandle store mængder data og identificere mønstre i det, men det er ikke klart, om de nogensinde vil matche niveauet af menneskelig intuition, kreativitet og dømmekraft, der er nødvendigt for at styre videnskabelig undersøgelse mod meningsfulde og gavnlige resultater.