Das Allen Institute for AI (Ai2) hat am 19. November auf seiner Forschungsplattform Asta Theorizer vorgestellt, einen Agenten, der Befunde aus mehreren Fachartikeln zusammenführt und für beobachtete Phänomene Erklärungen vorschlägt. Der Code ist zeitgleich auf GitHub als Open Source veröffentlicht worden.
Die Nutzung beginnt mit einer Frage. Nach der Literaturrecherche erzeugt Theorizer zunächst eine Extraktionsvorlage, die festlegt, was aus jedem Paper herausgezogen werden soll. Ai2s Beispiel: Bei der Frage „Wie wachsen Tumoren?“ könnte die Vorlage enthalten, welche Gene untersucht wurden, wie ihre Aktivität gemessen wurde und was nach einer Veränderung der Gene geschah. Anschließend vergleicht das System die Befunde der einzelnen Arbeiten und formuliert mehrere Theorien. Jede Aussage ist mit den Quellpapern verlinkt und mit ihrem Geltungsbereich versehen. Forschende können jede Aussage bis zum Originaltext zurückverfolgen und prüfen, ob die Belege ausreichen und ob sich die Versuchsbedingungen überhaupt vergleichen lassen. Aussagen, die das System für neu hält, werden gesondert markiert.
Drei Fallbeispiele, keine Benchmark-Werte
Ai2 zufolge wurde das Werkzeug fast ein Jahr lang gemeinsam mit Wissenschaftlern verfeinert. Veröffentlicht wurden nun einige Fallbeispiele, aber keinerlei Benchmark-Ergebnisse.
Das erste betrifft das Lungenadenokarzinom. Bei etwa 20 bis 30 % der Fälle findet sich selbst nach umfassender Sequenzierung keine anerkannte Treibermutation. Theorizer nennt drei Richtungen: bislang unentdeckte genetische Veränderungen, die den RAS-Signalweg aktivieren; andere Mechanismen, mit denen Zellen sich auch unter Umgehung von RAS teilen; und Tumoren, die Merkmale anderer Zelltypen angenommen haben. Die Reaktion des Forschers Devarakonda nach der Lektüre:
„Wait a second, this is exactly what I think. And it took me 15 years to think like this.“
(Moment mal, genau das denke ich auch. Und ich habe 15 Jahre gebraucht, um so zu denken.)
Später nutzte das Team mit AutoDiscovery ein weiteres Ai2-Werkzeug, um die mögliche Zerstörung des DREAM-Komplexes ins Spiel zu bringen, und sah erste Hinweise auf eine CDK2-Abhängigkeit. Ai2 betont, dass all dies noch experimentell überprüft werden muss.
Der Neurowissenschaftler Lecoq fragte nach VIP-Interneuronen. Er hatte mit ein bis zwei Kandidatentheorien gerechnet; Theorizer lieferte auf einen Schlag 50.
Das dritte Beispiel stammt aus Peru. Palacios und Juarez arbeiteten mit dem Wetterdatensatz PISCO; eine von Theorizer gelieferte Erklärung stufte das Duo später als falsch ein. Um sie zu prüfen, verglichen die beiden jedoch die Temperaturspitzen im November und gingen den Daten bis zur Quelle nach: Die Taupunktaufzeichnung endet 2016, die Aufzeichnung der Tiefsttemperatur reicht bis 2020, dazwischen klaffen 4 Jahre; manche rekonstruierten Werte liegen über 35 °C und häufen sich im November. Woher die Novemberspitzen in den Quelldaten stammen, wollen die beiden noch anhand von Messungen unabhängiger Stationen klären. Ein Ergebnis gibt es bislang nicht.
Die Asta-Linie
Betrachtet man Ai2s Schritte auf Asta in diesem Jahr im Zusammenhang, wird die Arbeitsteilung der Werkzeuge immer feiner. Anfang Oktober veröffentlichte das Institut mit AstaBrief ein quelloffenes Modell mit 8 Milliarden Parametern, das recherchierte Literatur zu wissenschaftlichen Berichten mit Quellenangaben verarbeitet; als durchschnittliche Erstellungszeit wurden damals 51,1 Sekunden genannt. AstaBrief setzt auf ein kleines Modell mit offenen Gewichten. Ai2 begründet das damit, dass die besten Belege vieler Wissenschaftler in internen Berichten stehen, die sich nicht an kommerzielle KI-Labore schicken lassen. Theorizer geht einen Schritt weiter: weg vom Zusammenfassen bestehender Erkenntnisse, hin zu überprüfbaren Erklärungsvorschlägen.
Die Einstiegshürde ist niedrig. Auf der Asta-Website lässt sich das Werkzeug direkt nutzen; die Token-Kosten trägt Ai2, allerdings mit Obergrenze. Wer es auf dem eigenen Rechner laufen lassen will, kann die freigegebene Bibliothek verwenden und zahlt die Token nach tatsächlichem Verbrauch selbst. Unter welcher Lizenz der Code steht, geht aus der Ankündigung nicht hervor; maßgeblich ist das GitHub-Repository. Außerdem hat Ai2 für den 10. Dezember um 10 Uhr Pazifischer Zeit ein Online-Seminar für Wissenschaftler angesetzt.
Ai2 benennt selbst zwei Einschränkungen: Theorizer kann einschlägige Studien übersehen und die Originalität falsch einschätzen. Eine Theorie, die in der analysierten Papersammlung neu wirkt, könnte anderswo längst formuliert worden sein. Wie viele der als „neu“ markierten Aussagen davon betroffen sind, hat Ai2 nicht beziffert; Forschende müssen sie weiterhin mit einem größeren Literaturbestand abgleichen.
Quellen: offizieller Ai2-Blog, CocoLoop, Asta-Plattform, Ai2-GitHub-Repository; geprüft wurden der Theorizer-Arbeitsablauf, die Anteils- und Jahresangaben der Fallbeispiele, die durchschnittliche Erstellungszeit von AstaBrief und die Token-Kostenregeln der Webversion.