Ai2 startet Theorizer, einen quelloffenen KI-Agenten für die wissenschaftliche Forschung

Ai2 hat Theorizer in Asta gestartet, einen KI-Agenten, der Erkenntnisse aus wissenschaftlichen Veröffentlichungen kombiniert, um Erklärungen für Beobachtungen in der Forschung vorzuschlagen. Das Unternehmen stellt den Code zudem als Open Source bereit, damit Forschende nachvollziehen können, wie das System Theorien entwickelt, und die Methoden an ihre eigene Arbeit anpassen können.
- Theorizer ist jetzt auf der Asta-Plattform von Ai2 verfügbar.
- Ai2 stellt den Code als Open Source bereit, damit Forschende ihn untersuchen und anpassen können.
- Das Werkzeug verknüpft vorgeschlagene Erklärungen mit Belegen aus veröffentlichten Studien.
- Die Krebsforschung brachte drei Hypothesen zum treibernegativen Lungenadenokarzinom hervor.
- Die Ergebnisse von Theorizer müssen weiterhin von Experten geprüft und experimentell validiert werden.
Ein literaturbasiertes Werkzeug zur Theoriebildung
Theorizer durchsucht die Forschungsliteratur als Antwort auf eine Frage, erstellt eine Vorlage zum Herausfiltern relevanter Informationen aus jeder Veröffentlichung und vergleicht die Ergebnisse, um Theorien zu entwickeln. Jede vorgeschlagene Erklärung ist mit Belegen aus veröffentlichten Studien verknüpft. Forschende können die zitierten Arbeiten einsehen und prüfen, ob sie die jeweilige Aussage unter vergleichbaren Bedingungen stützen.
Das Werkzeug kann außerdem Aussagen kennzeichnen, die es für neu hält. Ai2 weist darauf hin, dass Suchanfragen frühere Arbeiten übersehen können und das Modell die Originalität falsch einschätzen kann. Forschende müssen Aussagen daher weiterhin mit der breiteren Literatur abgleichen. Wissenschaftler haben Theorizer fast ein Jahr lang mitentwickelt, indem sie seine Theorien in ihrer eigenen Forschung getestet haben.
Über die Weboberfläche von Asta übernimmt Ai2 nach eigenen Angaben die Token-Kosten bis zu einem bestimmten Limit. Forschende, die lieber auf ihren eigenen Rechnern arbeiten, können die offene Bibliothek ausführen und Token nach Bedarf bezahlen.
Von ungeklärtem Lungenkrebswachstum zu überprüfbaren Hypothesen
Dr. Sid Devarakonda, medizinischer Leiter des klinischen und Forschungsprogramms für thorakale Onkologie am Providence Swedish Cancer Institute, nutzte Theorizer zur Untersuchung von treibernegativem Lungenadenokarzinom. Bei etwa 20% bis 30% der Fälle von Lungenadenokarzinom findet eine umfassende Sequenzierung keine bekannte genetische Veränderung, die den RAS-Signalweg aktiviert.
Nach mehreren Durchläufen half Theorizer Devarakonda dabei, drei Hypothesen zur Entstehung dieser Tumoren zu entwickeln. Dazu gehörten eine unentdeckte Veränderung, die die RAS-Signalübertragung aktiviert, ein anderer Mechanismus, der es Zellen ermöglicht, sich ohne RAS zu teilen, sowie Tumoren, die Eigenschaften eines anderen Zelltyps annehmen.
Devarakonda und das Asta-Team nutzten anschließend AutoDiscovery, das Code schreibt und ausführt, um Hypothesen anhand von Datensätzen zu testen. Die Analyse des The Cancer Genome Atlas und im Labor gezüchteter Krebszellen deutete darauf hin, dass eine Störung des DREAM-Komplexes das Wachstum der Tumoren erklären könnte. Nachfolgende Arbeiten lieferten erste Unterstützung für die Hypothese, dass einige Krebsarten mit geringer RAS-Aktivität von CDK2 abhängig sein könnten. Ai2 betont, dass diese Ergebnisse noch experimentell validiert werden müssen.
Anwendungen in der Neurowissenschaft und bei Klimadaten
Jérôme Lecoq, ein Associate Investigator am Allen Institute, untersuchte eine frühe Version von Theorizer an VIP-Interneuronen, also Gehirnzellen, die die Aktivität anderer Neuronen unterdrücken. Das Werkzeug lieferte 50 mögliche Theorien, während Lecoq mit einer oder zwei gerechnet hatte. Eine Theorie verknüpfte rechnerische und experimentelle Erkenntnisse und legte nahe, dass VIP-Interneuronen die Reaktion des Gehirns auf visuelle Reize abhängig davon anpassen, worauf ein Tier seine Aufmerksamkeit richtet.
Am International Potato Center in Peru nutzten Piero Palacios und Henry Juarez Theorizer, um rekonstruierte Taupunktwerte im PISCO-Klimadatensatz zu untersuchen. Einige Werte lagen über 35°C und häuften sich im November. Theorizer schlug vor, dass die Luftfeuchtigkeit steigen könnte, wenn sich der Amazonas von trockenen zu feuchten Bedingungen verändert. Ein Abgleich dieser saisonalen Erklärung mit ihren Daten schloss sie jedoch aus.
Ai2 veranstaltet am 10. Dezember um 10am PT ein Webinar für Wissenschaftler. Darin geht es um Theorizer, ein Beispiel aus der Krebsforschung und die Voraussetzungen dafür, dass KI zuverlässig zum wissenschaftlichen Prozess beitragen kann. Der Start gibt Forschenden die Möglichkeit, den Denkprozess des Systems zu untersuchen, seinen Code anzupassen und seine vorgeschlagenen Erklärungen als Ausgangspunkt für weitere Untersuchungen zu nutzen, nicht jedoch als bestätigte Schlussfolgerungen.
Ai2: Theorizer comes to Asta


