De AI-wetenschapper: Op weg naar volledig geautomatiseerde open-eindige wetenschappelijke ontdekking

The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery

August 12, 2024

Auteurs: Chris Lu, Cong Lu, Robert Tjarko Lange, Jakob Foerster, Jeff Clune, David Ha

cs.AI

Samenvatting

Een van de grote uitdagingen van kunstmatige algemene intelligentie is het ontwikkelen van agents die in staat zijn wetenschappelijk onderzoek uit te voeren en nieuwe kennis te ontdekken. Hoewel frontier-modellen al worden gebruikt als hulpmiddelen voor menselijke wetenschappers, bijvoorbeeld voor het bedenken van ideeën, het schrijven van code of voorspellingstaken, voeren ze nog steeds slechts een klein deel van het wetenschappelijke proces uit. Dit artikel presenteert het eerste uitgebreide raamwerk voor volledig automatische wetenschappelijke ontdekking, waardoor frontier large language models onafhankelijk onderzoek kunnen uitvoeren en hun bevindingen kunnen communiceren. We introduceren The AI Scientist, dat nieuwe onderzoeksideeën genereert, code schrijft, experimenten uitvoert, resultaten visualiseert, zijn bevindingen beschrijft door een volledig wetenschappelijk artikel te schrijven en vervolgens een gesimuleerd beoordelingsproces uitvoert voor evaluatie. In principe kan dit proces worden herhaald om ideeën op iteratieve wijze in een open-ended stijl te ontwikkelen, vergelijkbaar met de menselijke wetenschappelijke gemeenschap. We demonstreren de veelzijdigheid ervan door het toe te passen op drie verschillende subvelden van machine learning: diffusiemodellering, transformer-gebaseerd taalmodeleren en leer dynamieken. Elk idee wordt geïmplementeerd en ontwikkeld tot een volledig artikel tegen een kostprijs van minder dan $15 per artikel. Om de gegenereerde artikelen te evalueren, ontwerpen en valideren we een geautomatiseerde reviewer, waarvan we aantonen dat deze bijna menselijke prestaties behaalt bij het beoordelen van artikelscores. The AI Scientist kan artikelen produceren die de acceptatiedrempel van een topmachine learning-conferentie overschrijden, zoals beoordeeld door onze geautomatiseerde reviewer. Deze aanpak markeert het begin van een nieuw tijdperk in wetenschappelijke ontdekking binnen machine learning: het brengen van de transformerende voordelen van AI-agents naar het volledige onderzoeksproces van AI zelf, en brengt ons dichter bij een wereld waarin eindeloze betaalbare creativiteit en innovatie kunnen worden losgelaten op 's werelds meest uitdagende problemen. Onze code is open-source beschikbaar op https://github.com/SakanaAI/AI-Scientist.

English

One of the grand challenges of artificial general intelligence is developing agents capable of conducting scientific research and discovering new knowledge. While frontier models have already been used as aids to human scientists, e.g. for brainstorming ideas, writing code, or prediction tasks, they still conduct only a small part of the scientific process. This paper presents the first comprehensive framework for fully automatic scientific discovery, enabling frontier large language models to perform research independently and communicate their findings. We introduce The AI Scientist, which generates novel research ideas, writes code, executes experiments, visualizes results, describes its findings by writing a full scientific paper, and then runs a simulated review process for evaluation. In principle, this process can be repeated to iteratively develop ideas in an open-ended fashion, acting like the human scientific community. We demonstrate its versatility by applying it to three distinct subfields of machine learning: diffusion modeling, transformer-based language modeling, and learning dynamics. Each idea is implemented and developed into a full paper at a cost of less than $15 per paper. To evaluate the generated papers, we design and validate an automated reviewer, which we show achieves near-human performance in evaluating paper scores. The AI Scientist can produce papers that exceed the acceptance threshold at a top machine learning conference as judged by our automated reviewer. This approach signifies the beginning of a new era in scientific discovery in machine learning: bringing the transformative benefits of AI agents to the entire research process of AI itself, and taking us closer to a world where endless affordable creativity and innovation can be unleashed on the world's most challenging problems. Our code is open-sourced at https://github.com/SakanaAI/AI-Scientist