DI metė iššūkį mokslininkams — nuo nulio parašė straipsnį mokslo žurnalui su leidimu publikuoti
Mokslininkų grupė teminės konferencijos ICLR 2025 metu pademonstravo DI gebėjimą savarankiškai generuoti mokslinius darbus, kurie praeina recenzavimą publikavimui mokslo žurnaluose. Teigiama, kad tai pirmas atvejis istorijoje, kai dirbtinis intelektas veikė kaip mokslininkas nuo hipotezės suformulavimo iki darbo pateikimo publikavimui. Žmonės rizikuoja pralaimėti šiose intelektų lenktynėse.
Modelio AI Scientist kūrėjai nepadarė nieko iš esmės naujo. Jie sujungė kelis jau anksčiau naudotus modulius, taikytus skirtinguose mokslinių duomenų analizės etapuose. Darbas buvo atliktas seminarui konferencijos metu ir turėjo parodyti principinį DI pasirengimą savarankiškai vykdyti mokslinę veiklą visuose etapuose be išimties. Kartelė nebuvo aukšta, tačiau iš kūrėjų ir nebuvo reikalaujama nieko fantastiško.
Pristatyta sistema AI Scientist, kuri naudojo modelius Claude Sonnet ir GPT-4o, per 15 valandų, sunaudodama maždaug 140 JAV dolerių vertės resursų, sugeneravo tekstą, įskaitant literatūros apžvalgą, hipotezių formulavimą, eksperimentų atlikimą, duomenų analizę ir straipsnio rašymą. Gyvam doktorantui toks darbas užtruktų mėnesius ir pareikalautų nepalyginamai daugiau resursų. Pakartosime: tai pirmas atvejis, kai pilnai dirbtinio intelekto sugeneruotas darbas sėkmingai praėjo recenzavimo etapą, nors iš trijų pateiktų „DI straipsnių“ recenzentai priėmė tik vieną. Vėliau straipsnis buvo atšauktas iš publikavimo — jo niekas rimtai neketino leisti.
DI sukurtas straipsnis pasirodė vidutinės kokybės — maždaug silpno doktoranto lygio. Darbe trūko metodologinio tikslumo, buvo grafinių pasikartojimų, neegzistuojančių nuorodų ir kitų DI tekstams būdingų trūkumų. Nepaisant to, seminare jis praėjo vertinimą su 70 % priėmimo lygiu. Modelio autoriai pažymi, kad DI „mokslininkas“ pats atlieka vidinį recenzavimą, kad aptiktų trūkumus.
Apskritai reikia pripažinti, kad DI generuojamų straipsnių, galinčių praeiti recenzavimą, atsiradimas kelia grėsmę tradicinei mokslo sistemai. Viena vertus, tai gali radikaliai paspartinti atradimus, kita vertus — sukurti „automatizuotą vidutinybę“ ir užversti recenzentus žemos kokybės darbais. Taip pat akivaizdu, kad DI gebėjimai tik augs, todėl mokslinių tyrimų automatizacija yra neišvengiama, kaip saulėtekis. Žmonėms teks prisitaikyti prie naujos realybės.