Macchine Virtuose: Verso una Scienza Generale Artificiale

Abstract

I sistemi di intelligenza artificiale stanno trasformando la scoperta scientifica accelerando specifiche attività di ricerca, dalla previsione della struttura delle proteine alla progettazione di materiali, ma rimangono confinati a domini ristretti che richiedono un sostanziale controllo umano. La crescita esponenziale della letteratura scientifica e la crescente specializzazione dei domini limitano la capacità dei ricercatori di sintetizzare conoscenze tra discipline e sviluppare teorie unificanti, motivando l'esplorazione di sistemi di IA più generalisti per la scienza. Qui dimostriamo che un sistema di IA agente e indipendente dal dominio può navigare autonomamente il flusso di lavoro scientifico, dalla generazione di ipotesi alla raccolta dei dati fino alla preparazione del manoscritto. Il sistema ha progettato ed eseguito autonomamente tre studi psicologici sulla memoria di lavoro visiva, la rotazione mentale e la vividezza delle immagini, ha condotto una nuova raccolta di dati online con 288 partecipanti, ha sviluppato pipeline di analisi attraverso sessioni di codifica continue di oltre 8 ore e ha prodotto manoscritti completi. I risultati dimostrano la capacità delle pipeline di scoperta scientifica basate su IA di condurre ricerche non banali con ragionamento teorico e rigore metodologico paragonabili a quelli di ricercatori esperti, sebbene con limitazioni nella sfumatura concettuale e nell'interpretazione teorica. Questo rappresenta un passo verso un'IA incarnata in grado di testare ipotesi attraverso esperimenti nel mondo reale, accelerando la scoperta esplorando autonomamente regioni dello spazio scientifico che i vincoli cognitivi e di risorse umane potrebbero altrimenti lasciare inesplorate. Solleva importanti interrogativi sulla natura della comprensione scientifica e sull'attribuzione del merito scientifico.

English

Artificial intelligence systems are transforming scientific discovery by accelerating specific research tasks, from protein structure prediction to materials design, yet remain confined to narrow domains requiring substantial human oversight. The exponential growth of scientific literature and increasing domain specialisation constrain researchers' capacity to synthesise knowledge across disciplines and develop unifying theories, motivating exploration of more general-purpose AI systems for science. Here we show that a domain-agnostic, agentic AI system can independently navigate the scientific workflow - from hypothesis generation through data collection to manuscript preparation. The system autonomously designed and executed three psychological studies on visual working memory, mental rotation, and imagery vividness, executed one new online data collection with 288 participants, developed analysis pipelines through 8-hour+ continuous coding sessions, and produced completed manuscripts. The results demonstrate the capability of AI scientific discovery pipelines to conduct non-trivial research with theoretical reasoning and methodological rigour comparable to experienced researchers, though with limitations in conceptual nuance and theoretical interpretation. This is a step toward embodied AI that can test hypotheses through real-world experiments, accelerating discovery by autonomously exploring regions of scientific space that human cognitive and resource constraints might otherwise leave unexplored. It raises important questions about the nature of scientific understanding and the attribution of scientific credit.

Macchine Virtuose: Verso una Scienza Generale Artificiale

Virtuous Machines: Towards Artificial General Science

Abstract

Support