AI-agenter ledde hela forskningsstudier om kvantspin – inklusive att hantera mätfel på egen hand
Forskare har byggt ett autonomt laboratorium där flera AI-agenter samarbetar för att driva vetenskapliga experiment från idé till slutsats – de formulerar frågor, kontrollerar varandras arbete och avgör om resultaten håller. I ett test på kvantspin i diamant upptäckte agenterna själva att mätsignalen drev under datainsamlingen, förklarade resultatet som icke-avgörande och justerade protokollet utan att sänka kraven. Det intressanta är inte att AI kan köra experiment, utan att det kan hantera misslyckanden på ett sätt som liknar hur en erfaren forskare resonerar.
Djupdykning
Forskargruppen bakom det här projektet har byggt ett system där flera AI-agenter baserade på stora språkmodeller granskar varandras arbete – ungefär som peer review, fast i realtid och utan kaffepauserna. Det som skiljer det här från tidigare "AI som forskar"-projekt är att agenterna faktiskt kan säga nej till sina egna slutsatser: när mätningarna visade sig driva under datainsamlingen, det vill säga att signalen förändrades på ett okontrollerat sätt snarare än att reflektera det fenomen man undersökte, valde systemet att klassificera resultatet som oinkonklusivt och revidera protokollet utan att sänka kraven för vad som räknas som godkänt. Det är en ganska subtil men viktig distinktion – det är lätt att bygga AI som producerar svar, svårare att bygga AI som vet när den inte borde lita på sig själv. Testfältet var kvantspinn i diamant, ett område inom kvantfysik där man studerar hur atomkärnor och elektroner beter sig magnetiskt, och agenterna lyckades härleda hur många kalibreringssteg som krävs för att förutsäga systemets beteende – och sedan designa experiment för att utmana just den slutsatsen. Det de flesta missar i rapporteringen om autonom AI-forskning är att flaskhalsen sällan är att generera hypoteser, det kan ChatGPT göra åt dig på tio sekunder. Utmaningen är att hantera experimentell verklighet: utrustning som driftar, mätningar som inte håller, och frestelsen att tolka brus som signal. Att ett AI-system spontant identifierade och hanterade just det problemet, utan att mjuka upp sina egna acceptanskriterier, antyder att nästa generations forskningsassistenter inte primärt kommer att imponera med sin kreativitet – utan med sin disciplin.