Un equipo internacional de investigadores ha valiente un sistema de inteligencia industrial capaz de realizar de forma autónoma investigaciones científicas en múltiples disciplinas, generando artículos desde el concepto original hasta el manuscrito pronto para su publicación en aproximadamente 30 minutos por en torno a de $ 4 cada uno.

El sistema, llamado denariopuede formular ideas de investigación, revisar la letras existente, desarrollar metodologías, escribir y ejecutar código, crear visualizaciones y redactar artículos académicos completos. En una demostración de su versatilidad, el equipo usó Denario para producir papeles que alpargata astrofísica, biología, química, medicina, neurociencia y otros campos, y un artículo generado por IA ya ha sido aceptado para su publicación en un conferencia académica.

"El objetivo de Denario no es automatizar la ciencia, sino desarrollar un asistente de investigación que pueda acelerar el descubrimiento comprobado." escribieron los investigadores en un artículo publicado el lunes que describe el sistema. El equipo está creando el software. acondicionado públicamente como aparejo de código extenso.

Este logro marca un punto de inflexión en la aplicación de grandes modelos de verbo al trabajo comprobado, transformando potencialmente la forma en que los investigadores abordan las investigaciones y revisiones de la letras en sus primeras etapas. Sin retención, la investigación además destaca limitaciones sustanciales y plantea preguntas apremiantes sobre la potencia, la autoría y la naturaleza cambiante del trabajo comprobado.

De los datos al goma: cómo colaboran los agentes de IA para realizar investigaciones

En esencia, denario No funciona como un único cerebro de IA, sino como un sección de investigación digital donde agentes especializados en IA colaboran para impulsar un esquema desde su concepción hasta su finalización. El proceso puede comenzar con la "Módulo de ideas," que emplea un fascinante proceso adversarial donde un "artífice de ideas" El agente propone proyectos de investigación que luego son examinados por un "Odia las ideas" agente, que los critica por su viabilidad y valía comprobado. Este rizo iterativo refina conceptos crudos en direcciones de investigación sólidas.

Una vez que una hipótesis se solidifica, "Módulo de Humanidades" recorre bases de datos académicas como Semantic Scholar para comprobar la novedad de la idea, seguido de un "Módulo de Metodología" que establece un plan de investigación detallado, paso a paso. El trabajo pesado lo realiza entonces el "Módulo de descomposición," un heroína de batalla potencial que escribe, depura y ejecuta su propio código Python para analizar datos, producir gráficos y resumir hallazgos. Finalmente, el "Módulo de papel" toma los datos resultantes y traza y redacta un artículo comprobado completo en LaTeX, el típico para muchos campos científicos. En un paso final y recursivo, un "Módulo de revisión" incluso puede interpretar como un revisor de IA, proporcionando un mensaje crítico sobre las fortalezas y debilidades del artículo generado.

Este diseño modular permite a un investigador humano intervenir en cualquier etapa, aportando su propia idea o metodología, o simplemente utilizar Denario como un sistema autónomo de un extremo a otro. "El sistema tiene una casa modular, lo que le permite manejar tareas específicas, como producir una idea o realizar descomposición científicos de un extremo a otro." explica el gaceta.

Para validar sus capacidades, el equipo de Denario ha puesto a prueba el sistema, generando un vasto repositorio de artículos en numerosas disciplinas. En una sorprendente prueba de concepto, un artículo generado íntegramente por Denario fue aceptado para su publicación en el Conferencia Agents4Science 2025 – un superficie revisado por pares donde los propios sistemas de inteligencia industrial son los autores principales. El documento, titulado "Descomposición de subestructuras multiescala mejorado por QITT con incrustaciones topológicas aprendidas para la estimación de parámetros cosmológicos a partir de árboles de fusión de halos de materia oscura." combinó con éxito ideas complejas de la física cuántica, el enseñanza obligatorio y la cosmología para analizar datos de simulación.

El espíritu en la máquina: los resultados ‘vacíos’ y las alarmas éticas de la IA

Si adecuadamente los éxitos son notables, el trabajo de investigación es refrescantemente sincero sobre las importantes limitaciones y modos de defecto de Denario. Los autores destacan que el sistema actualmente "Se comporta más como un buen estudiante universitario o de posgrado que como un profesor titular en términos de panorama universal, conexión de resultados, etc." Esta honestidad proporciona una revisión crucial de la efectividad en un campo a menudo dominado por las exageraciones.

El artículo dedica secciones enteras a "Modos de defecto" y "Implicaciones éticas," un nivel de transparencia que los líderes empresariales deberían tener en cuenta. Los autores informan que en un caso, el sistema "aluciné con un artículo impávido sin implementar el solucionador algorítmico necesario," inventar resultados que se ajusten a una novelística plausible. En otra prueba sobre un problema de matemáticas puras, la IA produjo un texto que tenía la forma de una prueba matemática pero fue, en palabras de los autores, "matemáticamente vano."

Estas fallas subrayan un punto crítico para cualquier estructura que busque implementar IA agente: los sistemas pueden ser frágiles y propensos a errores que parecen confiados que requieren supervisión humana experta. El artículo de Denario sirve como un estudio de caso básico sobre la importancia de permanecer a un ser humano informado para la potencia y la evaluación crítica.

Los autores además confrontan las profundas cuestiones éticas que plantea su creación. advierten que "Los agentes de IA podrían estilarse para inundar rápidamente la letras científica con afirmaciones impulsadas por una memorándum política particular o intereses comerciales o económicos específicos." Asimismo tocan el "trampa de turing," un engendro en el que el objetivo es imitar la inteligencia humana en superficie de aumentarla, lo que podría conducir a una "homogeneización" de investigación que sofoca la verdadera innovación que cambia paradigmas.

Un copiloto de código extenso para los laboratorios del mundo

Denario no es sólo un entrenamiento teórico encerrado en un laboratorio purista. Todo el sistema es código extenso bajo una osadía GPL-3.0 y es accesible para la comunidad en universal. El esquema principal y su interfaz gráfica de afortunado, DenarioApp, son acondicionado en GitHubcon instalación gestionada a través de herramientas típico de Python. Para entornos empresariales centrados en la reproducibilidad y la escalabilidad, el esquema además proporciona imágenes oficiales de Docker. Una demostración pública alojada en Abrazar espacios faciales permite a cualquiera examinar con sus capacidades.

Por ahora, Denario sigue siendo lo que sus creadores llaman un poderoso asistente, pero no un sustituto de la experimentada intuición de un práctico humano. Este ajuste es deliberado. El esquema Denario se prostitución menos de crear un comprobado automatizado y más de construir el copiloto definitivo, uno diseñado para manejar los aspectos tediosos y que consumen mucho tiempo de la investigación moderna.

Al tener fe el duro trabajo de codificación, depuración y redacción original a un agente de IA, el sistema promete liberar a los investigadores humanos para la única tarea que no puede automatizar: el pensamiento profundo y crítico necesario para formular las preguntas correctas en primer superficie.