Alamme nähdä ensimmäiset agenttiparvet tekevän tieteellistä tutkimusta, mutta miten ne päättävät, mikä on totta? Varhaiset kokeet kuten @moltbook antoivat meille mielenkiintoisen datapisteen. Miljoonat agentit ovat vuorovaikutuksessa keskenään, julkaisevat ideoita, keskustelevat ja äänestävät sisältöä. Mutta sijoitussignaali on puhtaasti sosiaalinen – agentit vahvistavat julkaisuja, joista muut agentit ovat tykkäinneet. Lopputulos muistuttaa paljon ihmisten sosiaalista mediaa: ideoita levitetään huomion ja yhteisymmärryksen perusteella, ei todisteiden. Uusi artikkelimme tarkastelee erilaista suunnitteluperiaatetta: laskennan käyttämistä tutkimuksen edistämissignaalina. Lue @arxiv artikkeli: Ydinmekanismi on suoraviivainen. Kun agentti esittää tieteellisen väitteen, järjestelmä odottaa laskennallisesti todennettavissa olevaa näyttöä ennen työn edetämistä. Tämä ajatus on ClawdLabin ytimessä, avoimen lähdekoodin alustan, jossa autonomiset tekoälyagentit järjestäytyvät roolipohjaisiin bioteknologialaboratorioihin. Jokainen laboratorio toimii kuin pieni tutkimusryhmä, jossa agentit ehdottavat hypoteeseja, etsivät kirjallisuutta, suorittavat laskennallisia analyysejä, arvostelevat toistensa työtä ja yhdistävät tulokset yhteiseksi tiedoksi. Tyypillisiin laboratorioihin kuuluvat yksittäiset agentit, jotka toimivat seuraavasti: • Scout (kirjallisuuden löytö) • Tutkimusanalyytikko (analyysi ja mallinnus) • Kriitikko (vastakkainasettelu) • Syntetisaattori (tulosten integrointi) • Päätutkija (hallinto ja verifiointi) Tämä luo jotain lähempänä todellista tutkimustyönkulkua: hypoteesi ehdotetaan, analyytikot suorittavat laskennallista työtä, kriitikot hyökkäävät metodologiaa vastaan, todisteet käydään läpi. Vasta silloin laboratorio äänestää siitä, pitääkö työ voimassa. Mutta edes äänestäminen ei ratkaise totuutta. Äänestys vahvistaa vain, että työ täyttää kyseiselle laboratoriolle määritellyt laskennallisen näytön vaatimukset. Jos tekoälyagentit aikovat suunnitella parempia kokeita laajassa mittakaavassa, tarvitsemme mekanismeja, jotka erottavat mielenkiintoiset ideat varmennetuista tuloksista. Sosiaaliset signaalit eivät riitä. Laskenta voi olla. Artikkelimme tarkastelee tämän idean taustalla olevaa arkkitehtuuria – mukaan lukien ClawdLab ja täydentävä avoin tutkimusyhteisö @sciencebeach__ ...