論文の概要: AI Scientists as Engines of Discovery: A Case for Development within Reformed Institutions
- arxiv url: http://arxiv.org/abs/2606.22859v1
- Date: Mon, 22 Jun 2026 05:06:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 04:06:02.03489
- Title: AI Scientists as Engines of Discovery: A Case for Development within Reformed Institutions
- Title（参考訳）: 発見のエンジンとしてのAI科学者 - 改革された機関内での開発を事例として
- Authors: Raul Jimenez, Boris Bolliet, Francisco Villaescusa-Navarro, Rabih Zbib, Benjamin Wandelt, David N. Spergel, Thomas Meier, Jessica Montgomery, Hana Aliee, Licia Verde,
- Abstract要約: エージェント人工知能(AI)システムは、科学的な発見を支援し、加速し、部分的に自動化し始めている。
我々は、適切に設計されたマルチエージェントシステムは、受動的計算ツールからAI科学者へと進化するかもしれないと論じる。
このようなシステムは、目的に適した科学的エコシステム内で開発され、展開されなければならない。
- 参考スコア（独自算出の注目度）: 0.10102237605686408
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Agentic artificial intelligence (AI) systems are beginning to assist, accelerate, and partially automate scientific discovery, performing tasks that span literature synthesis, code generation, data analysis, hypothesis proposal, and model criticism. We argue that this transition is qualitative rather than incremental, and that suitably designed multi-agent systems may evolve from passive computational tools into ``AI scientists'' that can expand the hypothesis-generating and verification capacity of science. Such systems must be developed and deployed within a scientific ecosystem fit for purpose: institutions must be redesigned for verification, accountability, interpretability, and dual-use safety. We sketch how multi-agent architectures, illustrated by the prototype framework \textit{Denario}, accelerate the discovery cycle and traverse model spaces beyond human reach; examine what this implies for authorship, peer review, and the enduring role of human scientists; and close with recommendations for governing AI as an epistemic actor rather than a mere instrument.
- Abstract（参考訳）: エージェント人工知能(AI)システムは、科学的な発見を支援し、加速し、部分的に自動化し、文学的な合成、コード生成、データ分析、仮説の提案、モデル批判にまたがるタスクを実行している。
この遷移は漸進的ではなく質的であり、適切に設計されたマルチエージェントシステムは、受動的計算ツールから科学の仮説生成と検証能力を拡張する「AI科学者」へと進化する可能性があると論じる。
このようなシステムは、科学的なエコシステムの中で開発され、デプロイされなければならない: 機関は、検証、説明責任、解釈可能性、二重使用安全性のために再設計されなければならない。
我々は、プロトタイプフレームワークである『textit{Denario}』によって説明されたマルチエージェントアーキテクチャの描写、発見サイクルの加速、人間の手の届かないモデル空間の横断、著者、ピアレビュー、そして人間の科学者の永続的な役割に対する意味の検証、そして単なる楽器ではなくててててててんかんのアクターとしてAIを統治する推奨事項に近づいた。
関連論文リスト
- AI Agents, Language, Deep Learning and the Next Revolution in Science [4.996272999333087]
我々は,AIエージェントが科学的手法の次の進化を表すことを提案する。
中国科学アカデミーの高エネルギー物理学研究所では、このビジョンを具現化している。
このパラダイムの重要性は粒子物理学を超越し、すべてのデータ駆動科学の青写真を提供する。
論文 参考訳（メタデータ） (2026-03-09T04:14:20Z) - AI4X Roadmap: Artificial Intelligence for the advancement of scientific pursuit and its future directions [65.44445343399126]
我々は、生物学、化学、気候科学、数学、材料科学、物理学、自動運転研究所、非伝統的コンピューティングにまたがるAI可能な科学を考察する。
多様な信頼性のあるデータの必要性、伝達可能な電子構造と原子間モデル、AIシステムがエンドツーエンドの科学合成に統合される。
ドメイン全体にわたって、大規模な基礎モデル、アクティブラーニング、自動運転車研究所が、予測と検証の間のループを閉じる方法について強調する。
論文 参考訳（メタデータ） (2025-11-26T02:10:28Z) - The Need for Verification in AI-Driven Scientific Discovery [9.887965168376311]
機械学習と大規模言語モデルは、従来の手法をはるかに超えたスケールと速度で仮説を生成することができる。
検証のためのスケーラブルで信頼性の高いメカニズムがなければ、科学的進歩のリスクは先進的ではなく妨げられる、と我々は主張する。
論文 参考訳（メタデータ） (2025-09-01T11:50:04Z) - 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) - 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) - Agentic AI for Scientific Discovery: A Survey of Progress, Challenges, and Future Directions [0.0]
エージェントAIシステムは推論、計画、自律的な意思決定を行うことができる。
彼らは、科学者が文献のレビューを行い、仮説を作成し、実験を行い、結果を分析する方法を変えようとしている。
論文 参考訳（メタデータ） (2025-03-12T01:00:05Z) - AIGS: Generating Science from AI-Powered Automated Falsification [17.50867181053229]
本稿では,重要な研究プロセスを代表する役割を担ったマルチエージェントシステムである,フルプロセスAIGSシステムのベビーステップとして,Baby-AIGSを提案する。
3つのタスクの実験では、Baby-AIGSは経験豊富な人間の研究者と同等ではないが、有意義な科学的発見を産み出すことができた。
論文 参考訳（メタデータ） (2024-11-17T13:40:35Z)
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。