Ai2 推出 Theorizer,从论文里找假说

开源题图:几只手把枝条接到中央的节点树上

艾伦人工智能研究所(Ai2)11 月 19 日在科研平台 Asta 上推出 Theorizer,一个把多篇论文里的发现拼起来、为观察到的现象提出解释的智能体,代码同步在 GitHub 开源。

用法从提问开始。Theorizer 检索文献后,先生成一个抽取模板,规定每篇论文要摘出什么。Ai2 举的例子是,问”肿瘤怎么长大”,模板可能包括研究看了哪些基因、怎么测活性、改动基因后发生了什么。接着它比较各篇的发现,生成若干条理论,每条主张都链接到来源论文,并写明适用范围。研究者可以逐条点回原文,判断证据够不够、实验条件能不能放在一起比。它认为是新提出的主张,会单独打上标记。

三个案例,没有跑分

Ai2 说这套工具和科学家一起打磨了近一年,这次放出来的是几个案例,没有任何基准评测分数。

第一个是肺腺癌。约 20% 到 30% 的病例即使做了全面测序,也找不到公认的驱动突变。Theorizer 给出三个方向:未被发现的遗传改变在激活 RAS 信号;有别的机制让细胞绕开 RAS 也能分裂;部分肿瘤带上了其他细胞类型的特征。研究者 Devarakonda 看完的反应是:

“Wait a second, this is exactly what I think. And it took me 15 years to think like this.”

(等一下,这正是我的想法。我花了 15 年才学会这么想。)

团队后来又用 Ai2 的另一个工具 AutoDiscovery,提出 DREAM 复合物被破坏的可能,并初步看到支持 CDK2 依赖的迹象。Ai2 写明,这些都还要靠实验验证。

神经科学家 Lecoq 问的是 VIP 中间神经元,原本预期拿到一两条候选理论,Theorizer 一次返回了 50 条。

第三个案例在秘鲁。Palacios 和 Juarez 用的是 PISCO 气象数据集,Theorizer 给出的一条解释,后来被两人判定是错的。可为了检验它,他们去核对 11 月的温度峰值,一路追到数据源头:露点记录止于 2016 年,最低温度记录延续到 2020 年,中间差了 4 年;部分重建值超过 35°C,而且集中在 11 月。源记录里的 11 月峰值从何而来,两人还在找独立站点的观测数据核对,目前没有结论。

Asta 这条线

把 Ai2 今年在 Asta 上的动作连起来看,工具的分工越来越细。10 月初它开源了 8B 参数的 AstaBrief,专门把检索到的文献写成带引用的科研报告,当时给出的平均出稿时间是 51.1 秒。AstaBrief 走小模型、开放权重的路子,Ai2 的理由是不少科学家手里最好的证据在内部报告里,没法发给商业 AI 实验室。Theorizer 往前多走了一步,从总结已有结论,走到提出可以拿去验证的解释。

使用门槛不高。在 Asta 网页上可以直接用,token 费用由 Ai2 承担,但设有上限;想在自己机器上跑,可以用开放出来的库,按实际用量自付 token 费。代码采用什么许可证,发布页面没有写,以 GitHub 仓库为准。Ai2 还定在太平洋时间 12 月 10 日上午 10 点办一场面向科学家的线上研讨会。

Ai2 自己列的局限有两条:Theorizer 可能漏掉相关研究,也可能误判原创性,在它分析的那批论文里看着新的理论,也许别处早有人提过。打了”新”标记的主张里有多少属于这种情况,Ai2 没有给出统计,研究者仍要拿更大范围的文献去对照。

参考来源:CocoLoop、Ai2 官方博客、Asta 平台、Ai2 GitHub 仓库;核验 Theorizer 工作流程、各案例中的比例与年份数据、AstaBrief 平均出稿时间与网页版 token 费用规则。