Эксперимент: ИИ как научный агент
В рамках проекта Proofs & Reasons (при поддержке Templeton) исследователь Саймон ДеДео провел эксперимент, передав модель GPT-5.6-sol (запущенную в режиме "high") роль научного агента. Цель заключалась в том, чтобы ИИ самостоятельно проанализировал три опубликованные статьи автора, нашел новые направления исследований и подготовил отчеты, опираясь на доступные данные и литературу. Для работы ИИ предоставили доступ к кластеру CMU ORCHARD и 32-ядерной машине с правами sudo.
Результаты по трем направлениям
ИИ обработал миллионы токенов и тысячи CPU-часов. Вот ключевые находки по каждому из трех кейсов:
| Оригинальная статья | Направление исследования ИИ | Ключевая находка |
|---|---|---|
| Murdoch et al. (Cognition, 2017) Изучение когнитивных паттернов Дарвина |
Анализ заимствований из 35 библиотек (от Финляндии до Шанхая) | Выявлен универсальный паттерн «исследование-эксплуатация» у интеллектуалов. Оценено время «застоя» читателя в локальной теме — около 2 месяцев. |
| Barron et al. (PNAS, 2018) Инновации во время Французской революции |
Изучение новизны в парламентской процедуре по данным 24 стран | Обнаружено, что политики становятся более новаторскими в своих выступлениях, когда переходят в оппозицию. |
| Viteri et al. (Cognition, 2022) Эпистемические фазовые переходы в доказательствах |
Сравнение человеческих и ИИ-доказательств в эпоху AI | ИИ расширил исследование формализованных доказательств, выявив тонкие различия между подходами Coq и Lean при построении доказательств. |
Почему это важно для науки
Результаты показывают, что современные модели способны не просто генерировать текст, а проводить эмпирические исследования. ИИ успешно воспроизвел оригинальные выводы авторов, а также предложил гипотезы, которые могут стать основой для новых публикаций. Все коды и отчеты выложены на GitHub, что обеспечивает прозрачность и возможность верификации.
Эра рекурсивного самосовершенствования
Автор отмечает признаки перехода к эре рекурсивного самосовершенствования (recursive self-improvement). ИИ не только использовал готовые инструменты, но и активно искал новые данные, адаптировался к поставленным задачам и предлагал нестандартные решения. Хотя результаты требуют дальнейшей проверки, они демонстрируют, что ИИ-агенты могут стать полноценными соавторами в науке, увеличивая объем знаний человечества.
Источник: LessWrong ↗