BootLoops pomogło przygotować 36 naukowych preprintów — Science News
Zestaw narzędzi sztucznej inteligencji BootLoops w połączeniu z modelem językowym Claude pomógł badaczom w ciągu trzech miesięcy przygotować 36 preprintów z różnych dziedzin nauki — od fizyki i językoznawstwa po ekologię i politykę zdrowotną. Jak informuje Science News, system wyszukiwał nierozwiązane problemy w różnych dyscyplinach, które mają podobną strukturę matematyczną, i stosował do nich metody z matematyki, fizyki lub informatyki.
Od całek do drzew ewolucyjnych
BootLoops opracował fizyk Uniwersytetu Harvarda i wizytujący badacz Anthropic Matthew Schwartz. Początkowo zlecił on modelowi Claude napisanie kodu do rozwiązywania określonego typu całek wykorzystywanych w teoretycznej analizie zderzeń cząstek o wysokich energiach. System przeanalizował artykuły naukowe i stworzył oprogramowanie do rozwiązywania 30 takich całek, z których 15 wcześniej nie zostało rozwiązanych.
W jednym z preprintów, przygotowanym wspólnie z biologiem ewolucyjnym Scottem Edwardsem, narzędzie zastosowano w filogenetyce. Obliczyło ono, że dwa możliwe schematy pokrewieństwa ewolucyjnego ludzi, szympansów, goryli i orangutanów mają dokładnie takie samo prawdopodobieństwo. Wcześniejsze metody oceny nie pozwalały ustalić tego z taką precyzją.
Więcej aktualnych wiadomości na kanale UA.News w Telegramie Telegram.
Medicare i językoznawstwo
Kolejny preprint proponuje dokładniejszy sposób rankingowania planów ubezpieczenia zdrowotnego w amerykańskim programie Medicare. Autorzy wskazują, że zastosowanie obliczonych przez system optymalnych progów dla pięciu ocen mogłoby potencjalnie zaoszczędzić podatnikom około 1 mld dolarów w latach 2025–2027.
W projekcie językoznawczym agenci AI zebrali ustandaryzowany katalog systemów akcentu i tonu w językach. Baza danych ACCSTACK obejmuje ponad 6 tys. języków i jest ponad osiem razy większa od poprzedniego największego zbioru tego rodzaju.
Jednocześnie naukowcy ostrzegają, że BootLoops wymaga znacznego nadzoru człowieka i oceny ekspertów. Jak twierdzi Schwartz, model językowy może określić, co jest w stanie obliczyć, jednak nie zawsze rozumie, które pytania są rzeczywiście ważne dla konkretnej dziedziny nauki. Narzędzie ma także skłonność do opierania się na starszych i często cytowanych badaniach, co może zawężać zakres tematów wyszukiwanych przez system.
