In dem Paper SCIAGENTS: AUTOMATING SCIENTIFIC DISCOVERY THROUGH MULTI-AGENT INTELLIGENT GRAPH REASONING wird ein innovativer Ansatz zur Automatisierung wissenschaftlicher Entdeckungen mittels künstlicher Intelligenz (KI) beschrieben, beim dem große Sprachmodelle (LLMs) und Wissensgraphen kombiniert werden. Im Kern des Systems steht ein umfangreicher ontologischer Wissensgraph zu biologischen Materialien, der aus etwa 1.000 wissenschaftlichen Publikationen entwickelt wurde. Dieser Graph dient als Grundlage für die Hypothesengenerierung, wobei eine neuartige Sampling-Strategie relevante Teilgraphen extrahiert.
Das System nutzt zwei unterschiedliche Strategien zur Erzeugung wissenschaftlicher Hypothesen: eine vorprogrammierte Abfolge von Agenteninteraktionen und eine vollautomatisierte Variante mit der Möglichkeit menschlicher Eingriffe. Ein Multi-Agenten-System, bestehend aus spezialisierten Agenten wie Planer, Ontologe, Wissenschaftler, Kritiker und Assistent, arbeitet zusammen, um Hypothesen zu generieren, zu verfeinern und zu bewerten. Die Leistungsfähigkeit des Systems wird am Beispiel eines Seiden-Pigment-Verbundmaterials demonstriert, wobei innovative Forschungsideen und Designprinzipien vorgeschlagen werden.
Im Vergleich zu herkömmlichen KI-Systemen bietet dieser Ansatz eine nuanciertere Herangehensweise an das Reasoning, indem er mehrere Iterationen nutzt, um den Prozess der Verhandlung und Reflexion zu modellieren. Die ontologische Wissensgraphdarstellung spielt eine entscheidende Rolle bei der Lenkung der Forschungsideengenerierung und stellt sicher, dass die Hypothesen in einem Netzwerk miteinander verbundener wissenschaftlicher Konzepte verankert sind.
Das System zeigt das Potenzial, eigenständig ausgeklügelte Problemlösungsstrategien zu entwickeln, wobei Verbesserungen mit der Verfügbarkeit leistungsfähigerer Grundlagenmodelle erwartet werden. Dieser Ansatz stellt einen bedeutenden Fortschritt in der Nutzung von KI zur Beschleunigung wissenschaftlicher Entdeckungen dar, indem er die Hypothesengenerierung und -bewertung in komplexen, interdisziplinären Bereichen automatisiert.
Kommentar hinzufügen
Kommentare