Путеводитель автостопщика по автономным исследованиям: обзор научных агентов

Развитие агентов на основе больших языковых моделей (LLM) меняет искусственный интеллект для науки (AI4S), делая возможным проведение автономных научных исследований. Ведущие LLM продемонстрировали компетентность в различных областях, стимулировав создание специализированных научных агентов. Тем не менее глубокие эпистемологические и методологические различия между искусственным интеллектом и естественными науками по-прежнему препятствуют систематическим проектированию, обучению и валидации таких агентов. Настоящий обзор устраняет существующий пробел, предлагая комплексную концептуальную основу для проектирования научных агентов. Сначала уточняется понятие научных агентов и проводится их разграничение с агентами общего назначения с точки зрения целевой направленности, встраивания в рабочие процессы и научных обязательств. Далее вводится унифицированная таксономия, основанная на диапазоне возможностей и степени зрелости возможностей, которая характеризует как охват научных рабочих процессов, так и надежность поведения агентов в реалистичных исследовательских условиях. Опираясь на эту таксономию, обзор также связывает проектирование научных агентов с жизненным циклом исследования, рассматривая стратегии их создания, методы расширения возможностей, парадигмы оценки и будущие проблемы. Этот унифицированный взгляд призван предоставить практические рекомендации по разработке предметно-ориентированных научных агентов и способствовать сближению исследований в области искусственного интеллекта с естественно-научными открытиями. Для поддержки долгосрочного прогресса мы ведем постоянно обновляемый репозиторий (AWESOME_SCIENTIFIC_AGENT), в котором непрерывно собираются новые методы, эталонные наборы и лучшие практики.