Проблема: ИИ-агенты слепы к научным данным
Несмотря на рост использования ИИ-агентов в научных исследованиях, существующие способы представления данных (датасетов) не подходят для автономной работы. Основные барьеры — фрагментация данных по гетерогенным репозиториям и то, что метаданные изначально создавались для людей, а не для машин. Агенты не могут самостоятельно понять контекст, структуру файлов или процедуры проверки качества, что делает их использование данных неточным и медленным.
Решение: SciDSK как «навык» для агентов
Команда авторов во главе с Сяоханем Хуангом (Xiaohan Huang) предложила концепцию Scientific Data Skill (SciDSK). Это не просто описание датасета, а упакованный «навык», который содержит:
- Описание датасета и научный контекст;
- Структуру файлов и процедуры использования;
- Информацию о проверке качества (quality checks) и происхождении данных (provenance).
Важно: сами данные остаются в исходных репозиториях, SciDSK выступает лишь как интеллектуальный интерфейс для агентов.
Платформа Scientific Data Skill Bank
Для масштабирования решения создана единая платформа — Scientific Data Skill Bank. Она обеспечивает:
- Публикацию SciDSK в шести научных дисциплинах;
- Пакетный доступ к ресурсам;
- Постоянную идентификацию (persistent identification) и отслеживаемость к исходным датасетам.
Результаты оценки
Исследователи провели оценку через бенчмарк для обнаружения датасетов (dataset discovery) и контролируемые случаи интерпретации. Результаты показали, что использование SciDSK значительно улучшает способность ИИ-агентов находить нужные данные и предоставляет более точную, actionable-поддержку при их интерпретации по сравнению с традиционными методами.
| Критерий | Традиционное представление | SciDSK (Agent-Ready) |
|---|---|---|
| Целевая аудитория | Человек-исследователь | ИИ-агент |
| Контекст и инструкции | Отсутствуют или фрагментированы | Встроены в спецификацию |
| Автономность | Требует ручного вмешательства | Поддерживает автономное открытие и использование |
| Качество данных | Не проверяется автоматически | Включает процедуры проверки качества |
Значение для индустрии
Работа закладывает фундамент для «агент-ориентированной науки» (agent-ready science). По мере того как ИИ-агенты берут на себя рутинные задачи анализа, наличие стандартизированных, машиночитаемых «навыков» для работы с данными станет критически важным для воспроизводимости исследований и ускорения научных открытий.
Источник: arXiv cs.AI ↗