مقالات علمی با ابزار جدید به چت ربات های نمایندگی تبدیل می شوند

وقتی می توانید از یک ربات بخواهید آن را برای شما توضیح دهد، نیازی به خواندن یک مقاله تحقیقاتی کامل نیست. مقالات علمی می توانند به عوامل هوش مصنوعی تبدیل شوند که به گفته تیم استنفورد پشت این پروژه، باید انتشار اکتشافات علمی جدید را سرعت بخشد. Paper2Agent، چارچوب جدید تیم شرح داده شده در مقاله ای که در روز چهارشنبه در Nature منتشر شد، مقالات علمی و خروجی های تحقیقاتی مرتبط با آنها را به عواملی تبدیل می کند که می توانند در مورد یافته های مقاله بحث کنند، تجزیه و تحلیل ها و نتایج را بازتولید کنند، روش های آن را در داده های جدید اعمال کنند، و حتی با سایر عوامل مقاله در تحقیقات جدید همکاری کنند.

مشکلات جیمز زو، دانشمند کامپیوتر دانشگاه استنفورد و استاد علوم داده های زیست پزشکی و یکی از نویسندگان مقاله، در پستی در لینکدین که انتشار P2A را اعلام کرد، گفت: "مقاله ها برای قرن ها اسناد ثابت بوده اند." Paper2Agent آن‌ها را به عوامل فعال هوش مصنوعی تبدیل می‌کند که می‌توانند به سؤالات پاسخ دهند، روش‌های خود را اعمال کنند و با مقالات دیگر برای اکتشافات جدید همکاری کنند.» Zou افزود که دسترسی یک مدل زبان بزرگ به یک مقاله علمی غیرقابل پیش بینی است.

چیزی که تیم او می‌خواست، عاملی بود که بتواند به‌عنوان یک «نویسنده مجازی» عمل کند که تجربه عملی با کار مقاله داشته باشد، نه فقط خواندن آن و تلاش برای درک آن. همانطور که در مقاله توضیح داده شد، آنچه در عمل به معنای آن است، گردش کاری است که از یک مقاله و داده‌ها، مخزن و پایگاه کد مرتبط با آن برای ایجاد یک سرور پروتکل بافت مدل (MCP) استفاده می‌کند که ابزارها، منابع و گردش‌های کاری تحقیق را در معرض نمایش قرار می‌دهد.

سپس یک عامل LLM می‌تواند به سرور متصل شود و از درخواست‌های زبان طبیعی برای اجرای مستقل نمایش‌ها، بازتولید تحلیل‌ها، اعمال روش‌های مقاله برای داده‌های جدید و موارد مشابه استفاده کند. محققان در نوشته خود توضیح دادند: «Paper2Agent خروجی‌های کامل تحقیقات از جمله نسخه‌های خطی، مواد تکمیلی، کد، مجموعه داده‌ها، نمونه‌های اجرایی و جریان‌های کاری تجزیه و تحلیل را ارائه می‌کند».

طبق این مقاله، خود سرور MCP می‌تواند از راه دور میزبانی شود، اما Zou در ایمیلی به The Register توضیح داد که می‌تواند به صورت محلی برای محافظت از اطلاعات حساس اجرا شود، اگرچه چنین اطلاعاتی همچنان به هر کدام از LLM Backend P2A به آن متصل است ارسال می‌شود. زو به ما گفت: «اگر کاربر داده‌های حساسی دارد (مثلا اطلاعات بهداشتی محافظت‌شده) که نمی‌خواهد به یک LLM ارسال کند، باید آن داده‌ها را از P2A حذف کند، و افزود که P2A باید با هر عامل کدنویسی AI سازگار باشد، اما همه آنها آزمایش نشده‌اند.

توهمات هوش مصنوعی یک نگرانی آشکار است و این مقاله خاطرنشان می کند که محققان باید همیشه هر چیزی را که P2A ارائه می دهد ارزیابی کنند تا از صحت آن مطمئن شوند. این مقاله خاطرنشان می‌کند: «ما… Paper2Agent را به‌عنوان ابزاری برای تقویت اکتشافات علمی و بهبود دسترسی، تکرارپذیری و استفاده مجدد از مقالات، به‌جای یک منبع مستقل یا معتبر برای نتیجه‌گیری‌های علمی می‌بینیم». با این حال، P2A هنوز تمام تلاش خود را می کند تا از بروز چنین خطاهایی جلوگیری کند.

این مقاله توضیح می‌دهد که هر ابزاری که توسط یک عامل کاغذ استفاده می‌شود، در برابر نتایج و ارقام کاغذ اعتبارسنجی می‌شود و برای اطمینان از تکرارپذیری قفل می‌شود. این خطر توهم را کاهش می دهد و تصادفی بودن را به حداقل می رساند، اما با این حال - بهتر است کار آن را دوباره بررسی کنید. آزمایش‌هایی برای اینکه ببینند مقیاس‌های P2A چقدر خوب پیش رفته‌اند، با محققان آن را در 136 مقاله در سه گروه، از جمله 100 مقاله محاسباتی-زیست‌شناسی ارزیابی کردند.

از این 100 مقاله، 74 مقاله با موفقیت به عامل تبدیل شدند، و محققان این خطاها را عمدتا به پایگاه‌های کد ناقص، اسناد از دست رفته یا پیکربندی‌های محیط غیرقابل حل نسبت می‌دهند. با این حال، این یک جهش عظیم در آنچه که می‌تواند زمانی که نوبت به دست آوردن اکتشافات علمی جدید به دست محققان بیشتر می‌شود، باشد. P2A منبع باز است و در GitHub برای کسانی که می خواهند به آن ضربه بزنند در دسترس است.

همچنین یک نسخه زنده آنلاین وجود دارد که می‌تواند مقاله P2A را با جزئیات بیشتری توضیح دهد و نتایج آن را بازتولید کند، و Zou به ما می‌گوید که می‌تواند مقالات دیگر را نیز مصرف کند تا ببیند چگونه در پروژه‌های آنها کار می‌کند. Zou به ما توضیح داد که امیدوار است جامعه منبع باز به بهبود P2A کمک کند، اما خاطرنشان می کند که تیم او نیز با آن کار نکرده است. در مرحله بعد، آنها امیدوارند که یک پلتفرم آنلاین برای کارگزاران کاغذ ایجاد کنند تا بتوانند در مورد اکتشافات علمی مختلف "عاملی" با یکدیگر همکاری کنند و بحث کنند. بیایید امیدوار باشیم که آن ربات‌های بوفین کمی بهتر از همتایان خود رفتار کنند. ®