論文の概要: Agentic AI Scientists Are Not Built For Autonomous Scientific Discovery

• arxiv url: http://arxiv.org/abs/2605.08956v1
• Date: Sat, 09 May 2026 13:52:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.990443
• Title: Agentic AI Scientists Are Not Built For Autonomous Scientific Discovery
• Title（参考訳）: エージェントAIは、自律的な科学的発見のために作られていない
• Authors: Harshit Bisht, Vinay Kumar, Kevin Maik Jablonka, Mausam, N. M. Anoop Krishnan,
• Abstract要約: 成長する研究機関は、エンドツーエンドの科学的発見が可能なAI科学者を追求している。 このポジションペーパーでは、彼らはすでに共同科学者として機能しているが、エージェントAI科学者は自律的な科学的発見のために構築されていないと論じている。
• 参考スコア（独自算出の注目度）: 23.774769836398036
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A growing body of work pursues AI scientists capable of end-to-end autonomous scientific discovery. This position paper argues that although they already function as co-scientists, agentic AI scientists are not built for autonomous scientific discovery. We identify the following challenges in building and deploying autonomous AI scientists: (1) Problem selection is influenced by the McNamara fallacy; (2) Agents are built on large language models (LLMs) whose training corpora omit tacit procedural and failure knowledge of laboratory practice; (3) Preference optimisation during post-training compresses output diversity toward consensus; and (4) Most scientific benchmarks measure single-turn prediction accuracy and lack feedback from physical experiments back to the computational model. These challenges are not just questions of scale and scaffolding; they require revisiting fundamental design choices. To build truly autonomous AI scientists, we recommend the use of scientific simulations as verifiers for training, the design of persistent world models that represent the shifting objectives governing real investigations, the establishment of a centralized preregistration repository for all AI-generated hypotheses, and application driven by scientific need rather than tool affordance.
• Abstract（参考訳）: 成長する研究機関は、エンドツーエンドの科学的発見が可能なAI科学者を追求している。 このポジションペーパーでは、彼らはすでに共同科学者として機能しているが、エージェントAI科学者は自律的な科学的発見のために構築されていないと論じている。 1) 問題選択はマクナマラの誤りの影響を受け、(2) エージェントは大規模言語モデル(LLM)上に構築され、そのトレーニングコーパスは手続き的および失敗的な実験の知識を減らし、(3) トレーニング後の優先最適化は出力の多様性をコンセンサスに向けて圧縮し、(4) ほとんどの科学ベンチマークはシングルターン予測精度を計測し、物理実験から計算モデルへのフィードバックを欠いている。 これらの課題は、単にスケールと足場に関する問題ではなく、基本的な設計選択を再考する必要がある。 真に自律的なAI科学者を構築するためには、科学シミュレーションをトレーニングの検証手段として使用すること、実際の調査を統括する移行目標を表す永続的世界モデルの設計、AIが生成するすべての仮説のための集中型事前登録リポジトリの設置、ツールの余裕よりも科学的なニーズによって駆動される応用を推奨する。

関連論文リスト

• From AI for Science to Agentic Science: A Survey on Autonomous Scientific Discovery [108.1082357960201]
  エージェントAIは仮説生成、実験設計、実行、分析、反復的洗練の能力を示す。 この調査は、生命科学、化学、材料科学、物理学にまたがる自律的な科学的発見のドメイン指向のレビューを提供する。
  論文  参考訳（メタデータ） (2025-08-18T05:25:54Z)
• How Far Are AI Scientists from Changing the World? [30.483767443654504]
  AI科学者は、世界を変え、科学研究パラダイムを変えるのにどれくらい時間がかかるのか? 我々は、AI Scientistシステムの現在の成果を包括的に分析する展望駆動レビューを提供する。 この調査が、現在のAI Scientistシステムの限界の明確化に寄与することを願っている。
  論文  参考訳（メタデータ） (2025-07-31T06:32:06Z)
• AI Scientists Fail Without Strong Implementation Capability [33.232300349142285]
  人工知能(AI)科学者の出現は、科学的発見のパラダイムシフトを表している。 最近のAI Scientist研究は、独立した科学的発見のための十分な能力を示している。 この大きな進歩にもかかわらず、AI Scientistはコンピュータ科学の分野における画期的な成果をまだ生み出していない。
  論文  参考訳（メタデータ） (2025-06-02T06:59:10Z)
• From Automation to Autonomy: A Survey on Large Language Models in Scientific Discovery [67.07598263346591]
  大規模言語モデル(LLM)は科学的発見のパラダイムシフトを触媒している。 この調査は、この急成長する分野を体系的に分析し、科学におけるLLMの役割の変化とエスカレーション能力に重点を置いている。
  論文  参考訳（メタデータ） (2025-05-19T15:41:32Z)
• Scaling Laws in Scientific Discovery with AI and Robot Scientists [72.3420699173245]
  自律的なジェネラリスト科学者(AGS)の概念は、エージェントAIとエンボディロボットを組み合わせて、研究ライフサイクル全体を自動化している。 AGSは科学的発見に必要な時間と資源を大幅に削減することを目指している。 これらの自律的なシステムが研究プロセスにますます統合されるにつれて、科学的な発見が新しいスケーリング法則に従うかもしれないという仮説を立てる。
  論文  参考訳（メタデータ） (2025-03-28T14:00:27Z)
• "Turing Tests" For An AI Scientist [0.0]
  本稿では,AIエージェントが独立して科学的研究を行うことができるかどうかを評価するために,AI科学者の研修試験を提案する。 我々は,AIエージェントが様々な科学領域において画期的な発見を行う能力を評価する7つのベンチマークテストを提案する。
  論文  参考訳（メタデータ） (2024-05-22T05:14:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。