Iki šiol pagrindinis dirbtinio intelekto vaidmuo moksliniuose tyrimuose buvo padėti atlikti siauras užduotis, tokias kaip cheminių struktūrų atradimas, duomenų analizė ar baltymų formų prognozavimas. Tačiau dabar ši technologija pasiekė naujų aukštumų – dirbtinio intelekto visiškai sukurtas straipsnis praėjo recenziją didelėje mašininio mokymosi konferencijoje.
Naujas žurnale „Nature“ paskelbtas tyrimas supažindino pasaulį su „The AI Scientist“ – pirmąja dirbtinio intelekto sistema, skirta automatizuoti daugumą tyrimų ciklo etapų be žmogaus įsikišimo. Ją sukūrė Tokijuje įsikūrusi bendrovė „Sakana AI“.
Dirbtinio intelekto darbo eiga. Šaltinis: Nature (2026). DOI: 10.1038/s41586-026-10265-5
„DI mokslininkas… kuria tyrimų idėjas, rašo kodą, vykdo eksperimentus, braižo ir analizuoja duomenis, parašo visą mokslinį rankraštį ir atlieka savo kolegų vertinimą“, – rašė technologijos kūrėjai.
Mokslininko darbo eigos atkartojimas
Straipsnyje teigiama, kad DI mokslininko darbo eiga imituoja tikro žmogaus mokslininko darbo eigą. Pirmiausia jis sukuria tyrimų krypčių sąrašą ir patikrina jas literatūros duomenų bazėse, atmesdamas tas, kurios jau buvo aptartos. Tada ateina eksperimentavimo etapas, kurio metu jis rašo kodą, reikalingą eksperimentams atlikti, naudodamas žmonių pateiktą šabloną arba, vis dažniau, nuo nulio.
Kai eksperimentai baigiami, DI parengia oficialų mokslinį straipsnį LaTeX (dokumentų rengimo sistemoje). Be metodologijos, rezultatų, diskusijų ir visko kito, kas yra tipiškame straipsnyje, rašymo, jis taip pat gali ieškoti atitinkamų tyrimų, kuriuos galėtų cituoti. Galiausiai sistema naudoja automatinį recenzentą – kitą DI, apmokytą vertinti straipsnius pagal tikslumą, kokybę ir originalumą.
Norėdama patikrinti, ar sistema gali konkuruoti su žmonių tyrėjais, komanda pateikė tris dirbtinio intelekto sugeneruotus straipsnius į 2025 m. Tarptautinės mokymosi reprezentacijų konferencijos (the 2025 International Conference on Learning Representations, ICLR) seminarą. Žmonėms-recenzentams buvo pasakyta, kad kai kuriuos straipsnius galėjo sukurti dirbtinis intelektas, tačiau jie nežinojo, kuriuos.
Kontrolės laikymasis
Iš trijų pateiktų darbų vienas gavo pakankamai balų, kad būtų priimtas. Jis gavo 6, 7 ir 6 balus, o vidurkis – 6,33, nors tai nėra puikus pasiekimas, bet vis tiek reikšmingas etapas DI.
„Šis pasiekimas rodo augančius DI gebėjimus prisidėti prie mokslinio darbo ir reiškia galimą paradigmos pokytį atliekant tyrimus“, – pridūrė „Sakana“ komanda.
Vėliau straipsnis buvo atsiimtas pagal eksperimento skaidrumo susitarimą su konferencijos organizatoriais.
Nepaisant sėkmės, straipsnio autoriai atvirai kalba apie apribojimus, tokius kaip haliucinacijos (neegzistuojančių straipsnių citavimas arba kartojimas tų pačių paveikslėlių skirtinguose skyriuose), taip pat apie etinius klausimus. Tai apima dirbtinio intelekto sugeneruotų straipsnių antplūdį, kuris gali perkrauti recenzavimo sistemą ir apsunkinti tikrų mokslininkų darbų pastebėjimą.
Jie taip pat įspėja, kad sistema gali būti naudojama neetiškiems eksperimentams ar net tyrėjo įgaliojimams išpūsti. „Sakana“ siūlo, kad ateityje technologija būtų kuriama laikantis aiškių informacijos atskleidimo standartų, siekiant išlaikyti mokslinio proceso vientisumą.
Chris Lu et al, Towards end-to-end automation of AI research, Nature (2026). DOI: 10.1038/s41586-026-10265-5
Journal information: Nature