論文の概要: Agentic Economies for Autonomous Scientific Discovery

• arxiv url: http://arxiv.org/abs/2609.31562v1
• Date: Fri, 25 Sep 2026 17:28:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.520267
• Title: Agentic Economies for Autonomous Scientific Discovery
• Title（参考訳）: 自律型科学的発見のためのエージェント・エコノミー
• Abstract要約: 我々は、科学エージェント経済、市場、機関に必要な基盤を開発することにより、AIリソース管理の基盤を概説する。 このインフラの目的は、AIエージェントと人間の科学者が効果的に協力し、研究の優先順位を確立すること、信用の割り当て、説明責任と責任の追跡、悪意のある使用と情報セキュリティのリスクに対する保護を提供することである。
• 参考スコア（独自算出の注目度）: 10.865368413211378
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in agentic Artificial Intelligence (AI) systems have marked a shift in AI for Science: moving away from the use of individual AI systems for narrow task execution, toward multi-agent systems capable of orchestrating complex, end-to-end research workflows and performing (semi-)autonomous scientific discovery. The development of multi-agent AI-for-science systems has primarily focused on improving the cognitive capabilities of AI systems, specifically by making advanced reasoning and hypothesis generation more reliable. However, focusing only on cognitive capability improvement could ignore appropriate management of resources, a key bottleneck in scientific discovery. Testing and validating scientific hypotheses and experiments is, physically and economically, resource-intensive and resources are limited. This means that to make significant advancements in autonomous scientific discovery, such as improving human-AI co-scientist complementarity or reaching a truly closed-loop automated process, we must pair ongoing improvements in reasoning capabilities with robust resource management. In this paper, we outline an infrastructure for AI resource management by developing the necessary foundations of scientific agent economies, markets, and institutions. The aim of this infrastructure is to empower AI agents and human scientists to effectively (i) collaborate and establish research priorities, (ii) assign credit, (iii) track accountability and liability, and (iv) safeguard against malicious use and information security risks. Finally, we engage with the macro-level societal implications. of (semi-)autonomous scientific discovery to inform the development of governance policies ensuring an equitable distribution of AI-driven discoveries and derivative future technologies.
• Abstract（参考訳）: エージェント人工知能(AI)システムの最近の進歩は、AI for Scienceの転換点となった。個々のAIシステムを使用してタスク実行を狭くすることから、複雑なエンドツーエンドの研究ワークフローを編成し、(半)自律的な科学発見を実行するマルチエージェントシステムへと移行する。 マルチエージェントAI・フォー・サイエンスシステムの開発は、主にAIシステムの認知能力の改善、特に高度な推論と仮説生成をより信頼性の高いものにすることに焦点を当てている。 しかし、認知能力の向上にのみ焦点を合わせることは、科学的な発見において重要なボトルネックであるリソースの適切な管理を無視する可能性がある。 科学的仮説と実験の検証と検証は、物理的にも経済的にも資源集約的であり、資源は限られている。 これは、人間とAIの共同科学者の相補性の向上や、真にクローズドループの自動プロセスの達成など、自律的な科学的発見の大幅な進歩を実現するためには、堅牢なリソース管理を備えた推論能力の継続的な改善を組み合わせなければなりません。 本稿では,科学エージェント経済,市場,機関に必要な基盤を開発することにより,AI資源管理の基盤を概説する。 このインフラの目的は、AIエージェントと人間科学者を効果的に活用することである 一 研究の優先事項を策定し、協力すること。 (二)クレジットを割り当てる。 (三)説明責任・責任の追跡、及び (四)悪意のある使用及び情報セキュリティリスクに対する保護。 最後に,マクロレベルの社会的意味について考察する。 AI駆動の発見とデリバティブ・フューチャー・テクノロジーの公平な分配を保証するガバナンス政策の進展を知らせる(半自律的な)科学的な発見のことです。

関連論文リスト

• AutoResearch AI: Towards AI-Powered Research Automation for Scientific Discovery [184.2309450554096]
  AutoResearchはAIを活用した科学ワークフロー自動化の開発スペクトルとして定義されている。 我々は、研究システムが制御、エビデンス、実行、検証、説明責任を再分配し、その分野を組織化する方法について分析する。 本稿では,5つの評価次元 – ノベルティ,インパクト,信頼性,証明 – を提案し,AutoResearchの自律性はドメイン条件であることを示す。
  論文  参考訳（メタデータ） (2026-05-22T03:40:30Z)
• Jr. AI Scientist and Its Risk Report: Autonomous Scientific Exploration from a Baseline Paper [23.009743151474638]
  Jr. AI Scientistは、初心者の学生研究者のコア研究ワークフローを模倣した最先端の自律AI科学者システムである。 実際のNeurIPS、IJCV、ICLRの上に構築された新しい研究論文は、新しい手法を提案し、実装することで動作する。
  論文  参考訳（メタデータ） (2025-11-06T17:37:49Z)
• 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)
• Towards Scientific Discovery with Generative AI: Progress, Opportunities, and Challenges [11.232704182001253]
  本稿では、科学的な課題に応用された大規模言語モデルやその他のAI技術の最近の進歩に注目し、科学的な発見のためのAIの現状について考察する。 そして、科学的な発見のためのより包括的なAIシステムの開発に向けた重要な課題と研究の方向性を概説する。
  論文  参考訳（メタデータ） (2024-12-16T03:52:20Z)
• The Future of Fundamental Science Led by Generative Closed-Loop Artificial Intelligence [67.70415658080121]
  機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。 AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。 ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
  論文  参考訳（メタデータ） (2023-07-09T21:16:56Z)

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。