Autonomous LLM-driven research from data to human-verifiable research papers

随着人工智能承诺加速科学发现，人们仍不清楚是否可能完全由人工智能驱动的研究，并且它是否能遵循关键的科学价值观，如透明度、可追溯性和可验证性。模仿人类的科学实践，我们建立了一个自动化平台“从数据到论文”，该平台指导交互的LLM代理完成完整的研究过程，同时以编程方式回溯信息流并允许人类监督和交互。在自动驾驶模式下，只提供带注释的数据，从数据到论文提出假设、设计研究计划、编写和调试分析代码、生成和解释结果，并创建完整的、可追溯的研究论文。尽管研究的新颖性相对有限，但该过程展示了从数据中自主生成全新数量洞见的潜力。对于简单的研究目标，完全自主的循环可以创建回顾同行评议出版物而几乎没有重大错误的手稿，但随着目标复杂性的增加，人类共同驾驶变得至关重要，以确保准确性。除了过程本身，所创建的手稿也具有内在的可验证性，因为信息追溯允许以编程方式链接结果、方法和数据。因此，我们的工作展示了人工智能驱动科学发现加速的潜力，同时增强而不是危害可追溯性、透明度和可验证性。

探讨全自动化AI驱动的科学研究是否可能并且是否能够遵循科学价值观，如透明度、可追溯性和可验证性。

建立了一个自动化平台，通过与交互式LLM代理的互动，引导完成完整的研究过程，并在编程上进行信息回溯，允许人类监督和交互。

该平台可以在自动驾驶模式下，仅提供带注释的数据，提出假设，设计研究计划，编写和调试分析代码，生成和解释结果，并创建完整的、可追溯的研究论文。对于简单的研究目标，完全自主的循环可以在约80-90%的情况下创建回顾同行评议的出版物而没有重大错误，但随着目标复杂度的增加，人类联合驾驶变得至关重要以确保准确性。

最近的相关研究包括使用AI进行科学研究的其他尝试，如使用深度学习进行药物发现。