Научное сообщество получило новый инструмент для ускорения исследований: исследователь Google DeepMind Кевин Мерфи разработал систему Model Discovery Agent (MDA). Это автономный ИИ-агент, который не просто анализирует данные, а полностью автоматизирует цикл научного познания — от генерации гипотез до их эмпирической проверки.
Архитектура MDA построена на принципе активного обучения. Система предлагает несколько возможных механизмов, объясняющих наблюдаемое явление, затем самостоятельно определяет, какой эксперимент даст максимальный прирост информации, и после получения результатов обновляет свои гипотезы. Такой подход имитирует работу ученого-исследователя, но с гораздо более высокой скоростью и точностью.
Ключевая особенность агента — способность работать в междисциплинарных областях. Тестирование проводилось на задачах из физики, химии и биологии, что подтверждает универсальность предложенной методологии. Согласно моему анализу, MDA продемонстрировал значительное превосходство над существующими методами машинного обучения в эффективности работы с экспериментальными данными, особенно в сценариях с ограниченным числом доступных измерений.
Это важный шаг к созданию полностью автономных научных лабораторий, где ИИ не просто обрабатывает данные, а принимает решения о стратегии исследования. Внедрение таких агентов способно радикально сократить время между формулировкой гипотезы и ее проверкой, что критически важно в таких областях, как разработка новых материалов или лекарственных препаратов.
Впрочем, стоит отметить, что MDA пока работает в рамках заданных параметров и не способен генерировать принципиально новые научные парадигмы. Однако как инструмент для рутинной проверки гипотез и оптимизации экспериментальных планов он уже сегодня представляет значительную ценность для исследовательских групп по всему миру.