DiscoveryRSI、AIによる科学仮説を検証可能な研究計画へ

はじめに

科学的発見は、目新しいアイデアを大量に生成することだけではない。価値のある仮説には、根拠となる証拠、解決すべき重要な不確実性、検証方法、そしてどの結果が仮説を支持または否定するのかが必要になる。DiscoveryRSIは、この「アイデアの生成」から「実行可能な研究」までの流れを、学習できるシステムとして構成しようとする。

論文では、価値があり検証可能な研究仮説を、重要な不確実性に関する証拠に基づく主張と定義する。さらに、実行可能な調査、明示的な判断基準、代替説明を組み合わせる。この定義により、科学的推論は文章を出力するだけの処理ではなく、行動と評価を伴う反復的なプロセスになる。

主な仕組み

• 仮説ツリーによる探索。 マルチエージェントの進化的探索によって、仮説の生成、比較、修正を行う。複数の枝を保持することで、単一の説明に早期に固定されることを避ける。
• 調査を実行可能なタスクへ変換。 選ばれた研究計画はHarborタスクにコンパイルされる。モデルは実験を説明するだけでなく、定義された環境内で調査を実行する必要がある。
• 三つの再帰的学習。 仮説クレジット最適化は、科学的評価を記録された研究貢献に結び付ける。ハーネス再生は、成功した戦略と繰り返し現れる失敗を分析する。再発見は、受け入れられた改善を新しい調査に適用し、次の学習材料を作る。
• 研究過程を含む評価。 DFM-Benchは、仮説、修正、発展経路、研究実行全体を評価する。最終的な文章だけを見る評価より、累積的な研究進展を捉えやすい。

結果と意義

四つの生命科学分野における自動評価では、仮説品質のスコアがベースモデルの4.86から、二回の自己改善後には5.39へ上昇した。特に反証可能性とデータ解決可能性で大きな改善が報告されている。また、DiscoveryRSI-27Bと他の研究エージェントを比較する専門家評価も行われたが、提供された素材にはその詳細は含まれていない。

DiscoveryRSIの意義は、AIがすでに独立して科学を行えると示したことではない。仮説、調査、判断基準、研究記録を接続し、その軌跡から次の研究を改善するための構造を提示した点にある。AI for Scienceで重要なのは、候補を増やすことだけでなく、重要で実行可能で、反証できる主張を選ぶことだ。

一方、自動評価は専門家の判断を完全には代替できない。実行タスクの品質は学習結果に影響し、貢献ごとのクレジット配分も難しい。今後は、透明な証拠の連鎖、厳密な実験検証、誤った推論や実行不能な計画の追跡が必要になる。

出典：Hugging Face Daily Papers