Para peneliti telah mengembangkan 'asisten ilmiah' bertenaga AI yang dirancang untuk mempercepat proses ilmiah dengan membantu mereka mengidentifikasi pertanyaan penelitian baru, menganalisis dan menafsirkan data, serta menghasilkan dokumen ilmiah.
Alat tersebut, yang disebut Denario, menggunakan model bahasa besar untuk membantu para ilmuwan melakukan tugas mulai dari mengembangkan hipotesis baru hingga menyusun manuskrip. Tim berharap Denario akan membuat penelitian lebih cepat, dinamis, dan lebih interdisipliner.
AI sudah dapat membantu sebagian proses ilmiah: alat seperti ChatGPT dapat memvisualisasikan data atau menulis abstrak, misalnya. Namun alat-alat ini biasanya terbatas pada satu langkah dalam satu waktu.
Namun, dengan Denario, para ilmuwan telah mengembangkan asisten jenis baru: asisten yang dapat mensintesis makalah yang sudah ada, merumuskan pertanyaan penelitian baru, menganalisis data, dan menulis manuskrip.
Dalam makalah yang dipublikasikan di server pracetak arXiv.org, pembuatnya – dipimpin oleh Universitas Cambridge, Institut Flatiron, dan Universitas Otonomi Barcelona – memberikan gambaran umum tentang alat ini dan menyarankan agar Denario dapat mempercepat dan memperluas proses ilmiah, memberikan para ilmuwan kemampuan untuk menggunakannya untuk aspek apa pun yang mereka anggap paling berguna.
“Terkadang yang paling menarik adalah idenya, karena mungkin itu ide baru yang belum tereksplorasi,” kata Francisco Villaescusa-Navarro dari Flatiron Institute dan salah satu pengembang utama Denario. “Terkadang ini merupakan metode baru yang belum pernah diterapkan pada kumpulan data tertentu. Ada banyak cara Denario dapat membantu memperluas cara kita berpikir dan mengarahkan kita ke arah yang baru.”
Namun tim menekankan bahwa Denario bukanlah pengganti ilmuwan. Versi saat ini memiliki kelemahan besar: hanya sekitar satu dari sepuluh keluaran yang menghasilkan wawasan menarik dan, dalam beberapa kasus, Denario telah memalsukan data. Tinjauan manusia atas karya Denario tetap penting.
Pengembangan Denario dipimpin oleh Dr Boris Bolliet dari Cambridge, Pablo Villanueva Domingo dari Autonomous University of Barcelona dan Villaescusa-Navarro, dengan tim yang terdiri dari peneliti dari astrofisika, biologi, biofisika, kimia, ilmu material, ilmu saraf, matematika, pembelajaran mesin, fisika kuantum, dan filsafat.
Dengan kemajuan terbaru dalam model bahasa besar seperti ChatGPT, Google Gemini, dan Claude dari Anthropic, para peneliti melihat peluang untuk menguji bagaimana kinerja alat tersebut di setiap tahap proses penelitian.
Denario menggunakan kumpulan 'agen' AI, yang masing-masing berspesialisasi dalam tugas berbeda. Meskipun Denario dapat menyelesaikan seluruh proses penelitian secara end-to-end, agen juga dapat digunakan secara terpisah untuk langkah-langkah tertentu.
“Kami merancang Denario dengan arsitektur modular sehingga pengguna dapat memilih komponen mana yang paling sesuai dengan penelitian mereka, apakah itu pengkodean, mengeksplorasi ide penelitian, merangkum hasil atau yang lainnya,” kata Bolliet, dari Laboratorium Cavendish Cambridge.
Untuk menggunakan Denario secara end-to-end, para ilmuwan mengunggah kumpulan data beserta deskripsi singkat tentang apa yang mereka ingin lakukan. Pasangan agen pertama mengembangkan dan menyempurnakan ide tentang cara terbaik untuk mendekati kumpulan data, sehingga menghasilkan proyek penelitian potensial. Kelompok berikutnya menelusuri literatur penelitian yang ada tentang topik tersebut, memastikan hal itu
Setelah gagasan disempurnakan, metode dan agen perencana menyarankan pendekatan untuk menganalisis data. Agen berikutnya menindaklanjuti rencana ini, menggunakan sistem multi-agen yang disebut CMBAgent, yang bertindak sebagai back end analisis penelitian Denario. Agen ini menulis, men-debug, dan menjalankan kode, lalu menafsirkan hasilnya. Terakhir, modul penulisan dan peninjauan menghasilkan dan merevisi ringkasan temuan.
“Semua agen bekerja sama untuk mewujudkan hal ini,” kata Villanueva Domingo, menekankan bahwa para ilmuwan dapat dengan mudah memeriksa kerja setiap modul dan, jika diinginkan, menjalankan agen secara individual.
Sejauh ini, Denario telah diuji ratusan kali secara menyeluruh pada kumpulan data di berbagai disiplin ilmu termasuk astrofisika, ilmu saraf, kimia, biologi, dan ilmu material. Sebagian besar keluaran dianggap tidak sesuai dalam tinjauan para ahli, namun sekitar 10% menghasilkan pertanyaan atau temuan yang menarik.
Karena Denario dapat memanfaatkan berbagai disiplin ilmu, tim berharap dapat mengidentifikasi pertanyaan penelitian baru yang mungkin tidak pernah terpikirkan oleh seorang spesialis untuk ditanyakan.
“Denario dapat menarik ide-ide dari bidang lain yang mungkin kurang dikenal dan tidak pernah dipertimbangkan oleh ilmuwan,” kata Villanueva Domingo. Sifat interdisipliner itu sangat menarik.
Para peneliti juga berharap Denario akan membantu para ilmuwan mendapatkan kembali sumber daya mereka yang paling berharga: waktu.
“Saya berharap Denario akan membantu mempercepat ilmu pengetahuan dengan menyediakan alat bagi para peneliti yang memungkinkan mereka menghabiskan lebih sedikit waktu untuk tugas-tugas kasar – seperti menggulir arXiv, memformat gambar, merangkum analisis – dan lebih banyak waktu untuk berpikir kreatif secara mendalam,” kata Bolliet.
Pada iterasi berikutnya, tim bertujuan untuk menjadikan Denario lebih efisien dan mampu menghasilkan pekerjaan berkualitas lebih tinggi, termasuk secara otomatis mengidentifikasi dan menyaring keluaran berkualitas rendah.
Alat seperti Denario masih menghadapi tantangan. Beberapa tulisan akhir sistem tidak cukup menyampaikan ketidakpastian dalam hasil, dan kadang-kadang sulit untuk merujuk penelitian sebelumnya dengan jelas, meskipun sistem tersebut dapat mendeskripsikan kontennya secara akurat.
Ada juga pertimbangan teknis dan etika, termasuk risiko Denario terkena 'halusinasi' AI – informasi yang menyesatkan atau salah – serta pertanyaan seputar hak cipta dan kepengarangan. Para peneliti bahkan harus menambahkan instruksi yang memberitahu Denario untuk tidak membuat 'data tiruan' setelah memberikan hasil palsu.
Tim mengatakan mereka menantikan diskusi terbuka tentang cara terbaik menggunakan Denario dan alat serupa dalam proses ilmiah, serta cara mencegah potensi penyalahgunaan. Mereka menekankan bahwa Denario hanya mungkin terwujud berkat kolaborasi lintas akademisi dan industri.
Boris Bolliet adalah Anggota Trinity Hall, Cambridge.
Diadaptasi dari siaran pers Flatiron Institute.
