Colaborarea cu echipe virtuale de cercetători AI, o nouă frontieră în știința asistată. Cum ar putea schimba totul

Recent, sistemele de inteligență artificială bazate pe arhitecturi multi-agent au început să fie integrate în procesul științific pentru a facilita generarea și evaluarea ipotezelor de cercetare.

Un exemplu concret îl constituie platforma Virtual Lab, dezvoltată la Stanford University, care permite utilizatorului să configureze un grup de agenți AI, fiecare dotat cu specializări științifice distincte, folosind modele lingvistice mari (LLM) precum GPT-4o, scrie revista Nature.

Concret, o echipă virtuală formată din specialiști fictivi în neuroștiințe, neurofarmacologie și chimie medicală a fost instruită să analizeze posibile tratamente pentru Alzheimer, să identifice lacune în literatura de specialitate și să propună ipoteze verificabile.

Conversația rezultată, de peste 10.000 de cuvinte, demonstrează potențialul acestor sisteme de inteligență artificială de a simula deliberările unei echipe multidisciplinare de cercetare.

Arhitectura multi-agent și funcționalitatea sistemelor co-cercetător

Platformele AI de tip „co-scientist” utilizează agenți cu roluri predefinite sau configurabile, care interacționează prin schimburi iterative de mesaje text.

În sistemul Stanford, utilizatorul definește rolurile și numărul de schimburi („turns”), iar agenții execută un protocol de discuție incluzând roluri precum investigator principal și critic. Abordarea permite feedback intern și autoevaluare, reducând astfel răspunsurile eronate generate de LLM.

Contrastant, Google DeepMind a dezvoltat un sistem cu șase agenți specializați în funcții clare: generare de idei, reflecție critică, evoluția conceptelor, deduplicare, clasificare și meta-analiză, alimentați de modelul Gemini 2.0.

Acești agenți pot efectua căutări pe internet, rula cod și integra diverse surse de date, operațiuni ce fac parte din paradigma AI agentic, caracterizată prin autonomie controlată și multitasking.

Studiile comparative indică o îmbunătățire semnificativă a calității răspunsurilor generate de sistemele multi-agent față de cele produse de agenți singulari, în special datorită rolului critic evaluativ și feedback-ului iterativ.

Totodată, cercetătorii atenționează asupra fenomenului de „halucinație” al LLM, generând informații potențial eronate, dar care pot stimula creativitatea, cu condiția unei supravegheri umane riguroase.

Aplicații și implicații în cercetarea biomedicală

Un utilizator avansat, cercetătorul Gary Peltz de la Stanford, a testat sistemul Google AI co-scientist pentru generarea de ipoteze privind mecanismele genetice și epigenomice în fibroza hepatică și pentru identificarea unor potențiale terapii medicamentoase.

Rapoartele generate au fost detaliate și au propus direcții inovatoare de cercetare, demonstrând capacitatea acestor sisteme de a susține procesul decizional în cercetare.

Parametrii optimi pentru interacțiunea multi-agent sunt încă în curs de investigare: unele studii sugerează un număr ideal de opt agenți care comunică pe parcursul a cinci schimburi, în timp ce altele indică faptul că mai mult de trei agenți sau mai mult de trei runde de discuții pot genera conținut redundant sau irelevant.

Aceste platforme deschid noi oportunități în accelerarea procesului de generare a cunoștințelor, însă succesul lor depinde de integrarea eficientă a expertizei umane și de monitorizarea atentă a calității informațiilor produse.