هوش مصنوعی جدیدی که خودش فرضیه می‌سازد و مقاله می‌نویسد؛ تکنولوژی در نقش دانشمندان
هوش مصنوعی جدیدی که خودش فرضیه می‌سازد و مقاله می‌نویسد؛ تکنولوژی در نقش دانشمندان
نسخه ی جدید هوش مصنوعی ساکانا توانست بدون دخالت انسان یک پژوهش علمی را انجام دهد و در داوری کارگاه کنفرانس معتبر نمره قبولی بگیرد
شرکت ژاپنی Sakana AI سیستم هوش مصنوعی جدیدی توسعه داده است که می‌تواند بدون نیاز به هدایت مرحله‌به‌مرحله ی انسان، فرضیه ی علمی مطرح کند، آزمایش انجام دهد و نتایج را در قالب مقاله بنویسد. یکی از مقاله‌های تولیدشده با این سیستم نیز توانست در داوری علمی یک کارگاه پژوهشی امتیاز لازم برای پذیرش را کسب کند.
هوش مصنوعی تاکنون در کارهایی مانند جست‌وجوی منابع، تحلیل داده‌ها و نگارش مقالات به پژوهشگران کمک کرده است؛ اما پروژه ی AI Scientist-v2 تلاش می‌کند یک قدم فراتر برود و تقریباً تمام مراحل انجام یک پژوهش علمی را خودکار کند.
این سیستم که نسخه ی دوم پروژه ی AI Scientist محسوب می‌شود، در سال ۲۰۲۵ معرفی شد و به‌طور ویژه برای پژوهش‌های حوزه ی یادگیری ماشین طراحی شده است. برخلاف نسخه ی نخست که برای شروع کار به الگوهای آماده و کدنویسی اولیه ی انسان وابسته بود، نسخه ی جدید می‌تواند مسیرهای پژوهشی مختلف را با استقلال بیشتری بررسی کند.
هوش مصنوعی چگونه یک پژوهش علمی انجام می‌دهد؟
فرایند کار AI Scientist-v2 با دریافت یک موضوع کلی آغاز می‌شود. سیستم ابتدا فرضیه‌هایی درباره ی موضوع مطرح می‌کند و سپس برای بررسی درستی آن‌ها، آزمایش‌های مختلفی طراحی می‌کند.
AI Scientist-v2 از روش جست‌وجوی درختی استفاده می‌کند
این هوش مصنوعی می‌تواند کدهای موردنیاز را بنویسد، آن‌ها را اجرا کند، داده‌های حاصل از آزمایش را بررسی کند و نمودارهای علمی بسازد. در پایان نیز نتایج را در قالب مقاله‌ای با ساختار متداول پژوهش‌های دانشگاهی تنظیم می‌کند.
یکی از تفاوت‌های مهم نسخه ی جدید، استفاده از روشی به نام «جست‌وجوی درختی» است. در این روش، هوش مصنوعی به‌جای دنبال‌کردن تنها یک ایده، چند مسیر احتمالی را بررسی می‌کند و با کمک یک عامل مدیریتی، تصمیم می‌گیرد کدام آزمایش‌ها ارزش ادامه‌دادن دارند.
برای مثال، اگر نتیجه ی یک آزمایش امیدوارکننده نباشد، سیستم می‌تواند مسیر دیگری را امتحان کند یا روش قبلی را تغییر دهد. این قابلیت به آن اجازه می‌دهد فرایند پژوهش را با انعطاف بیشتری پیش ببرد.
مقاله‌ای که از داوری علمی سربلند بیرون آمد
شرکت Sakana AI برای ارزیابی عملکرد سیستم، سه مقاله ی کاملاً تولیدشده با هوش مصنوعی را به یکی از کارگاه‌های علمی کنفرانس بین‌المللی ICLR 2025 ارسال کرد.
این آزمایش با اطلاع و همکاری برگزارکنندگان انجام شد. داوران می‌دانستند برخی مقالات ممکن است با هوش مصنوعی نوشته شده باشند؛ اما نمی‌دانستند کدام مقاله‌ها متعلق به این سیستم هستند.
از میان سه مقاله، یکی موفق شد میانگین امتیاز ۶٫۳۳ از ۱۰ را از داوران دریافت کند؛ امتیازی که بالاتر از حد معمول پذیرش آن کارگاه بود. مقاله ی موردنظر درباره ی روشی برای بهبود توانایی تعمیم در شبکه‌های عصبی نوشته شده بود.
مقاله پس از داوری، طبق توافق قبلی پژوهشگران و برگزارکنندگان پس گرفته شد و به انتشار رسمی نرسید. همچنین مرحله ی نهایی بررسی برگزارکنندگان روی آن انجام نشد؛ بنابراین دقیق‌تر است بگوییم مقاله امتیاز لازم برای پذیرش را کسب کرد، نه اینکه به‌طور قطعی در کنفرانس پذیرفته و منتشر شد.
آیا هوش مصنوعی می‌تواند جای دانشمندان را بگیرد؟
با وجود نتیجه ی امیدوارکننده ی آزمایش، توسعه‌دهندگان AI Scientist-v2 تأکید می‌کنند که این فناوری هنوز محدودیت‌های مهمی دارد.
از میان سه مقاله ی ارسال‌شده، تنها یکی امتیاز کافی کسب کرد و حتی پژوهشگران Sakana AI نیز معتقد بودند هیچ‌کدام از آن‌ها کیفیت لازم برای پذیرش در بخش اصلی کنفرانس ICLR را نداشتند.
همچنین نسخه ی دوم الزاماً از نسخه ی نخست بهتر نیست. اگر مسئله ی پژوهشی مشخص باشد و الگوی مناسبی برای آزمایش وجود داشته باشد، نسخه ی قدیمی‌تر ممکن است با موفقیت بیشتری کار کند. نسخه ی جدید برای جست‌وجو در موضوعات باز و کمترشناخته‌شده طراحی شده، اما احتمال شکست آن نیز بیشتر است.
مسئله ی دیگر، اجرای خودکار کدهای نوشته‌شده با هوش مصنوعی است. این کدها ممکن است باعث اجرای دستورهای ناخواسته یا بروز مشکلات امنیتی شوند. به همین دلیل، سازندگان توصیه می‌کنند سیستم در محیطی ایزوله مانند Docker اجرا شود.
پروژه ی AI Scientist-v2 به‌صورت متن‌باز در گیت‌هاب منتشر شده و اجرای آن به سخت‌افزار مناسب، ازجمله کارت گرافیک انویدیا، و دسترسی به مدل‌های زبانی نیاز دارد.
دستاورد Sakana AI نشان می‌دهد که هوش مصنوعی اکنون می‌تواند فراتر از کمک به نگارش مقاله، در طراحی و اجرای پژوهش نیز مشارکت کند. بااین‌حال، تولید خودکار یک مقاله با انجام پژوهش علمی معتبر و قابل‌اعتماد یکسان نیست و بررسی انسانی نتایج، تکرارپذیری آزمایش‌ها و داوری علمی همچنان ضروری است.