شرکت ژاپنی Sakana AI سامانه‌ای به نام AI Scientist-v2 ساخته که می‌تواند بخش‌های مختلف یک پژوهش یادگیری ماشین را انجام دهد: از طرح فرضیه و نوشتن کد تا اجرای آزمایش، بررسی نتایج و تنظیم مقاله. این سیستم برای کار با یک موضوع کلی طراحی شده و قرار نیست پژوهشگر در هر مرحله مسیر بعدی را به آن بگوید.
نسخه‌ی دوم پروژه در سال ۲۰۲۵ معرفی شد. تفاوت مهم آن با نسخه‌ی نخست این است که برای شروع کار کمتر به الگوی آماده و کد اولیه‌ی انسان وابسته است. AI Scientist-v2 به‌جای دنبال‌کردن تنها یک ایده، چند مسیر احتمالی را بررسی می‌کند و با روشی به نام جست‌وجوی درختی تصمیم می‌گیرد کدام آزمایش ارزش ادامه‌دادن دارد.
یک مقاله چه امتیازی گرفت؟
Sakana AI سه مقاله‌ی تولیدشده با این سیستم را برای یکی از کارگاه‌های علمی کنفرانس ICLR 2025 فرستاد. برگزارکنندگان از این ارزیابی خبر داشتند و داوران می‌دانستند ممکن است مقاله‌هایی با کمک هوش مصنوعی در میان آثار باشد؛ اما نمی‌دانستند کدام مقاله‌ها را AI Scientist-v2 نوشته است.
یکی از سه مقاله، درباره‌ی روشی برای بهترکردن توانایی تعمیم شبکه‌های عصبی، میانگین امتیاز ۶٫۳۳ از ۱۰ گرفت؛ امتیازی که از حد معمول پذیرش آن کارگاه بالاتر بود. با این حال، مقاله طبق توافق قبلی پس گرفته شد. بررسی نهایی برگزارکنندگان هم انجام نشد، پس این نتیجه به معنی پذیرش قطعی یا انتشار مقاله نیست.
آیا این سیستم جای پژوهشگر را می‌گیرد؟
شواهد فعلی محدود است: از سه مقاله فقط یکی امتیاز لازم را گرفت و به گفته‌ی پژوهشگران Sakana AI، هیچ‌کدام کیفیت لازم برای بخش اصلی کنفرانس را نداشتند. نسخه‌ی دوم هم همیشه از نسخه‌ی نخست بهتر نیست؛ برای مسئله‌ای مشخص با الگوی آزمایش مناسب، نسخه‌ی قدیمی‌تر ممکن است نتیجه‌ی بهتری بدهد. نسخه‌ی جدید بیشتر برای جست‌وجوی موضوعات باز و کمترشناخته‌شده ساخته شده، جایی که احتمال شکست هم بیشتر است.
AI Scientist-v2 به‌صورت متن‌باز در GitHub منتشر شده، اما اجرای آن به سخت‌افزار مناسب، از جمله کارت گرافیک Nvidia، و دسترسی به مدل‌های زبانی نیاز دارد؛ یعنی ابزارهایی که متن تولید می‌کنند. اجرای خودکار کد هم می‌تواند دستور ناخواسته یا مشکل امنیتی ایجاد کند. سازندگان توصیه می‌کنند سیستم در محیطی جداشده مانند Docker اجرا شود.
چرا مهم است
برای پژوهشگران یادگیری ماشین، این ابزار می‌تواند بخشی از کارهای آزمایشی و نگارش را خودکار کند، اما نتیجه‌ی یک ارزیابی محدود نشان نمی‌دهد که مقاله‌هایش قابل اتکا یا آماده‌ی انتشارند. کسانی که می‌خواهند آن را اجرا کنند نیز به سخت‌افزار مناسب نیاز دارند و باید کدهای تولیدشده را در محیطی امن نگه دارند.
