От одиночного агента к сетевому интеллекту
Большинство современных систем AI-for-Science сосредоточены на масштабировании одного reasoning-процесса: увеличении контекстного окна, улучшении моделей или создании цифровых со-ученых для одного пользователя. Однако сложные научные задачи редко решаются в одиночку. Они требуют команд с разными приоритетами, экспериментальным бэкграундом и неявными знаниями.
Авторы работы (Sutanay Choudhury и 17 соавторов) предлагают парадигму Networked Intelligence (Сетевой Интеллект). Главная проблема — не только масштабирование моделей, но и масштабирование связей между людьми и ИИ. Система должна обеспечивать передачу гипотезы от одного контекста к другому, чтобы результат, полученный в одном месте, мог быть использован другим исследователем, агентом или роботом.
Как работает Mycelium
Представленная система Mycelium действует как активное общее рабочее пространство. Ее ключевые функции:
- Автоматическое связывание: Система соединяет исследователей и ИИ-агентов как многопользовательских со-ученых.
- Поймат и отслеживание: Mycelium фиксирует важные наблюдения и гипотезы, отслеживая их связь с эволюционирующей моделью команды.
- Маршрутизация: Критически важная часть — система маршрутизирует информацию тому человеку или агенту, чье следующее решение она может информировать и улучшить.
Эмпирическое тестирование: мульти-омиксы
Первое эмпирическое тестирование Mycelium прошло в рамках биологической кампании мульти-омикс (multi-omics). Результат продемонстрировал практическую ценность подхода:
Локальное аналитическое наблюдение, пойманное системой, было трансформировано в механистическое ограничение (mechanistic constraint), понятное экспертам из других областей, что в итоге привело к созданию нового экспериментального дизайна. Это доказывает, что система способна переводить данные из одного формата в другой, делая их полезными для смежных специалистов.
Вычислительная модель: разреженные условные вычисления
Авторы дают сетевому интеллекту строгое вычислительное обоснование, описывая его как разреженные условные вычисления (sparse conditional computation) над распределенными научными контекстами. Эта модель позволяет четко определить:
- Когда масштабированный автономный агент может сравниться с сетью.
- Когда независимая экспертиза и неслияемые контексты делают сеть неприводимой (irreducible), то есть ИИ-агент в одиночку не сможет достичь того же результата без участия распределенного человеческого интеллекта.
Почему это важно
Работа сдвигает фокус с создания «супер-интеллекта» на создание «супер-связей». В эпоху, когда данные становятся все более разрозненными, Mycelium предлагает архитектуру, где ценность создается не мощностью одной модели, а эффективностью передачи знаний между узлами сети: человеком, алгоритмом и прибором.
Источник: arXiv cs.AI ↗