Autonominen tutkija AI Scientist-v2 ja tulevaisuus

Kuvittele laboratorio, jossa päävastuullinen tutkija ei koskaan nuku, ei lopeta hypoteesien muokkaamista ja kirjoittaa oman menetelmäosionsa. Se kuulostaa tieteiskirjallisuudelta, mutta japanilainen startup Sakana AI on rakentanut järjestelmän, joka tulee hämmästyttävän lähelle tuota tilannetta.

Vuonna 2025 julkistettu AI Scientist-v2 on itsenäinen tutkimusmoottori, joka on suunnattu koneoppimisen ongelmiin. Syötä sille laaja aihe, niin se ehdottaa hypoteeseja, suunnittelee kokeita, tuottaa ja suorittaa koodin, analysoi tulokset, laatii kaaviot ja kirjoittaa artikkelin tutuissa akateemisissa muodoissa. Elävässä kokeessa Sakana toimitti kolme täysin koneellisesti tuotettua käsikirjoitusta työpajaan ICLR 2025:ssä; yksi sai arvioijilta keskimääräisen pistemäärän 6,33/10, mikä oli työpajan tavallisen kynnysarvon yläpuolella, ja se peruttiin jälkikäteen etukäteen sovitun menettelyn mukaisesti sen sijaan, että se olisi julkaistu.

Miten se tekee kaiken tämän? Järjestelmä aloittaa löyhällä kehotuksella ja tuottaa useita ehdotuksia. Sen sijaan, että seurattaisiin yhtä ainoaa linjaa, AI Scientist-v2 käyttää puunetsintästrategiaa: oksia kasvaa, osa karsitaan, toisia seurataan. Valvova agentti ohjaa, mitkä kokeet ansaitsevat lisää laskentaa ja mitkä pitäisi hylätä. Tuloksena ei ole lineaarinen yritys ja erehdys vaan haarautuva tutkimusprosessi, joka jäljittelee uteliaan tutkijan tapaa vaihtaa suuntaa, kun koe epäonnistuu.

Tuo haarautuva käytös on olennainen. Jos varhainen testi tuottaa pettymyksen, järjestelmä ei vain sivuuttaa epäonnistumista. Se vaihtaa reittiä, säätää protokollia tai kokeilee uutta hypoteesia. Lyhyet etenemissilmukat, äkilliset suunnanmuutokset ja ajoittaiset umpikujaantumiset kuuluvat järjestelmän luonteeseen. Se kirjoittaa tarvittavat skriptit, suorittaa ne, tarkastaa datan ja muuntaa tulokset visualisoinneiksi ja kertomukseksi. Koko sykli voidaan automatisoida päästä päähän.

ICLR-kokeessa järjestäjille kerrottiin, että joitakin työpajalle lähetetyistä töistä saattoi olla koneellisesti tuotettuja, mutta he eivät tienneet, mitkä ne olivat. Hyväksytty koneellisesti kirjoitettu artikkeli keskittyi tekniikoihin, jotka parantavat neuraverkkojen yleistettävyyttä. Vaikka työpajan arvioijat antoivat sille pisteitä yli tavallisen kynnysarvon, artikkelia ei viety täyteen konferenssijulkaisuun; kirjoittajat ja isännät olivat etukäteen sopineet hyväksyttyjen töiden vetämisestä tämän kokeen vuoksi.

Se yksi vaatimaton menestys asettuu kuitenkin selkeiden rajoitusten viereen. Vain yksi kolmesta lähetyksestä saavutti hyväksymiskynnyksen. Sakanan omat tutkijat katsoivat, ettei mikään teksteistä ollut valmiina pääkonferenssia varten. Versio v2 ei ole yksiselitteinen päivitys edeltäjäänsä verrattuna: kun ongelmat ovat kapeasti määriteltyjä ja malleja on valmiina, vanhempi versio suoriutuu toisinaan paremmin. Uusi järjestelmä on suunniteltu avoimempien, tutkittavien ongelmien tutkimiseen, ja tutkimuslähtöisyyden mukana tulee korkeampi epäonnistumisprosentti.

Käytännön riskit monimutkaistavat tilannetta edelleen. Kun tekoäly kirjoittaa ja suorittaa koodia automaattisesti, se saattaa kutsua vahingossa käskyjä tai luoda turvallisuusriskejä. Tästä syystä tiimi suosittelee kokeiden ajamista eristetyissä konteissa, kuten Dockerissa. AI Scientist-v2 on avoimen lähdekoodin projekti GitHubissa, mutta se vaatii merkittävästi laitteistoa, kuten NVIDIA:n GPU:ita ja pääsyn suuriin kielimalleihin, joten se ei ole vielä asia, jonka useimmat laboratoriot voisivat ottaa käyttöön vapaana iltapäivänä.

Kokeellisen suunnittelun ja artikkeliluonnosten automatisointi on vaikuttava tekninen virstanpylväs, mutta se ei korvaa toistettavaa, vertaisarvioitua tieteellistä työtä.

Mihin tämä meidät jättää? Tekoäly voi nyt auttaa paljon enemmän kuin pelkkä kirjallisuushaku ja luonnosten kirjoittaminen; se voi ehdottaa ja testata ideoita vähäisellä ihmisen ohjauksella. Silti automatisoitu tuotos ja luotettava löydös eroavat olennaisesti toisistaan. Toistettavuus, alan asiantuntemus ja skeptinen vertaisarviointi pysyvät luotettavan tutkimuksen kulmakivinä, riippumatta algoritmin nokkeluudesta. Se, mikä tulee seuraavaksi merkitsemään, on se, miten ihmistutkijat ja nämä järjestelmät muodostavat tiimejä ja pystyykö tuo kumppanuus nostamaan rimaa sille, mitä pidetään uskottavana tieteellisenä työnä.