מאמר מדעי שנכתב על-ידי בינה מלאכותית עבר ביקורת עמיתים

מה קורה כאשר בינה מלאכותית לא רק עוזרת למדענים, אלא הופכת בעצמה לחוקרת? בפברואר 2025, חברת סקאנה AI היפנית חצתה גבול משמעותי כשמערכת ה-AI Scientist שלה יצרה מאמר מדעי שעבר בהצלחה ביקורת עמיתים בסדנה של כנס ICLR, אחד הכנסים היוקרתיים בתחום הבינה המלאכותית. המאמר לא רק עבר את תהליך הביקורת, אלא קיבל ציון גבוה מהממוצע, כשהסוקרים לא ידעו שהם בוחנים מחקר שנוצר על-ידי אלגוריתם. למרות שמדובר בקבלה לסדנה ולא למסלול הראשי של הכנס, ועל אף שסקאנה בחרה בסופו של דבר למשוך את המאמר מטעמים אתיים, מדובר בצעד משמעותי המסמן את תחילתו של עידן חדש ביחסים שבין בינה מלאכותית ומחקר מדעי.

הישג פורץ דרך במחקר המדעי

חברת סקאנה AI, סטארט-אפ יפני שנוסד בטוקיו בשנת 2023 על ידי שני חוקרים לשעבר מגוגל: דייויד הא (David Ha) וליון ג’ונס (Llion Jones), יחד עם שותף שלישי בשם רן איטו (Ren Ito), מציגה גישה ייחודית לפיתוח מערכות AI המבוססת על ביו-מימיקרי (Biomimicry או Biomimetics). ביו-מימיקרי היא שיטה המתבוננת בטבע כמקור השראה לפתרון בעיות אנושיות וסביבתיות. באמצעות למידה וחיקוי של צורות, תהליכים ומערכות אקולוגיות בטבע, מפתחת סקאנה פתרונות חדשניים בהשראת תופעות טבעיות כמו התנהגות להקות דגים וכוורות דבורים.

הטבע משמש כמעין “ספרייה ענקית של פתרונות” ו”מעבדת מחקר ופיתוח” הפועלת כבר 3.8 מיליארד שנה, וסקאנה מנצלת את “קוד העיצוב הסודי” הזה לפיתוח אלגוריתמים ומערכות AI מתקדמות. אפילו שם החברה – “סקאנה” (שפירושו “דג” ביפנית) – משקף את הגישה הביו-מימטית שלהם, המבוססת על למידה מהאופן שבו הטבע פותר בעיות באלגנטיות, בפשטות ובהרמוניה עם הסביבה.

סקאנה כבר פרצה גבולות במחקר המדעי עם מדען ה-AI  בגרסתו הראשונה, וממש באחרונה השיקה גרסה משודרגת בשם “AI Scientist-v2” והצליחה לייצר מאמר מדעי שעבר ביקורת עמיתים בסדנה של כנס ICLR 2025. המאמר קיבל ציון של 6.33 בסולם הביקורת, ציון גבוה מסף הקבלה הממוצע ואף עולה על ציוניהם של מספר מאמרים שנכתבו על-ידי בני אדם.

פרטי הניסוי וההישג

“AI Scientist-v2” יצרה מאמר בשם “Compositional Regularization: Unexpected Obstacles in Enhancing Neural Network Generalization”. חשוב להבהיר: המאמר התקבל לסדנה (workshop) במסגרת הכנס הבינלאומי ICLR 2025, ולא למסלול הראשי של הכנס.

סדנאות בכנסים מדעיים מציבות בדרך כלל רף קבלה גבוה אך פחות מחמיר מהמסלול הראשי (שיעורי קבלה של 60-70% לעומת 20-30% במסלול הראשי). עם זאת, מדובר בהישג משמעותי – זו הפעם הראשונה בהיסטוריה שמאמר שנוצר במלואו על-ידי בינה מלאכותית עובר תהליך ביקורת עמיתים רשמי.

התהליך התנהל בשקיפות מלאה ובשיתוף פעולה עם הנהלת כנס ICLR היוקרתי, תוך קבלת אישור אתי מוועדת האתיקה (IRB) באוניברסיטת קולומביה הבריטית – צעד חשוב שהעניק לגיטימציה מדעית לניסוי.

מתודולוגיית הניסוי

חברת סקאנה AI יצרה שיתוף פעולה אסטרטגי עם חוקרים מובילים מאוניברסיטת קולומביה הבריטית ואוניברסיטת אוקספורד כדי לבחון האם מחקר שנוצר על ידי בינה מלאכותית יכול לעמוד במבחן הביקורת האקדמית המסורתית.

החוקרים הגישו שלושה מאמרים שנוצרו במלואם על ידי מערכת ה-AI Scientist לסדנה מדעית יוקרתית, כחלק ממאגר של 43 מאמרים סך הכל. המעריכים המקצועיים ידעו שבין המאמרים משולבים שלושה מאמרים מעשה ידי בינה מלאכותית, אך לא ידעו לזהות אילו – בדיוק כפי שמתקיים בתהליך “ביקורת עמיתים עיוורת כפולה”, המבטיח שיפוט אובייקטיבי המתבסס אך ורק על איכות המחקר.

מתוך שלושת המאמרים הדיגיטליים, רק אחד הצליח לעבור את הרף המדעי הנדרש ולזכות בקבלה – ממצא המדגיש שלמרות ההתקדמות המרשימה, מערכות בינה מלאכותית עדיין מתמודדות עם אתגרים משמעותיים בתחום המחקר המדעי המורכב.

יכולות ותהליך העבודה של המערכת

המערכת הפגינה יכולות מרשימות כאשר ניסחה באופן עצמאי את ההשערה המדעית, תכננה ניסויים לבדיקתה, כתבה בעצמה את כל הקוד הדרוש, ביצעה את הניסויים, אספה וניתחה את הנתונים, יצרה גרפים מקצועיים, וחיברה את המאמר המדעי המלא כולל עיצובו הסופי. המעורבות האנושית בתהליך הייתה מינימלית ביותר והתמקדה רק בהגדרת הנושא הכללי למחקר ובבחירת מאמר אחד מבין שלושה שהמערכת יצרה להגשה לביקורת עמיתים.

המגבלות והאתגרים הקיימים

למרות הישגה המרשים של מערכת ה-AI Scientist מבית סקאנה, ניכר כי הטכנולוגיה עדיין ניצבת בפני אתגרים משמעותיים בדרך להפיכתה לחוקרת מדעית אוטונומית לחלוטין. בבחינה מעמיקה של התוצרים המדעיים, התגלו מספר מגבלות בולטות:

• טעויות עובדתיות בציטוטים, כמו ייחוס שגוי של ארכיטקטורת LSTM למפתחים הלא נכונים.
• חוסר יכולת להבין לעומק את ההקשר הרחב של השיח המדעי בתחום.
• קושי בניתוח תוצאות מורכבות.

סקאנה עצמה הודתה בכנות כי המאמרים שהמערכת ייצרה לא היו עומדים בקריטריונים הנדרשים למסלול העיקרי של הכנס המדעי היוקרתי, והמערכת התקשתה באופן ברור לייצר רעיונות מדעיים מקוריים לחלוטין או פורצי דרך.

מודעות אתית זו הובילה את החברה להחלטה אחראית – למשוך את המאמר מיד לאחר שעבר את ביקורת העמיתים, צעד שמטרתו לאפשר לקהילה המדעית לדון ביסודיות בהשלכות של שילוב מחקרים מבוססי בינה מלאכותית בספרות המדעית הרשמית.

עלויות והשלכות כלכליות

סקאנה AI מעריכה שהפקת מאמר מלא באמצעות מערכת ה-AI Scientist עולה כ-15 דולר בלבד. למספר הזה יש פוטנציאל לשנות את כלכלת המחקר המדעי מהיסוד, אך חשוב להבין שהסכום הצנוע הזה מתייחס אך ורק לעלויות המחשוב הישירות – צריכת החשמל וכוח העיבוד הנדרש להפעלת המערכת – ואינו מביא בחשבון את ההשקעה העצומה בפיתוח הטכנולוגיה עצמה, הכשרת המודלים המורכבים ותחזוקתם השוטפת.

כשמשווים זאת לעלויות האסטרונומיות של מחקר מדעי מסורתי – הכוללות משכורות חוקרים, ציוד מעבדה, זמן מחשוב ומשאבים נוספים שעשויים להגיע למאות אלפי דולרים – ברור שמדובר בפוטנציאל להפחתה דרמטית בעלויות המחקר המדעי בעתיד.

שאלות אתיות וחברתיות

הישג זה מציף שורה של סוגיות אתיות וחברתיות מורכבות:

1. זכויות יוצרים ואחריות משפטית – האם הבעלות על מחקר שנוצר באמצעות מערכת AI שייכת למפתחי המערכת, למפעיליה, או שמא היא נחשבת “נחלת הכלל”? ובמקרה של טעות מדעית או הטיה בתוצאות, מי נושא באחריות המשפטית והאתית?

2. סטנדרטים מקצועיים חדשים – כיצד ניתן לסמן בבירור מאמרים שנוצרו בהשתתפות משמעותית של בינה מלאכותית ואילו קריטריונים ייחודיים יש להחיל עליהם?

3. השפעה על מודל הקידום האקדמי – עולם שבו אלגוריתם יכול לייצר מאמרים מדעיים בקצב ובעלות נמוכים מעורר חשש לגבי השפעתו על מסלולי קידום המבוססים על פרסום מחקרים.

4. מערכות בקרת איכות – נדרשת חשיבה מעמיקה על מערכות בקרת איכות חדשות שיבטיחו שמחקר המבוסס על בינה מלאכותית לא יפיץ מידע שגוי או יסבול מהטיות מובנות.

כפי שציינו בסקאנה AI: “בסופו של דבר, השאלה החשובה היא לא איך לשפוט מדע שנוצר על-ידי בינה מלאכותית לעומת מדע אנושי, אלא האם הוא מקדם את האנושות”.

השפעות עתידיות על המחקר המדעי והחברה

התבגרות טכנולוגיית הבינה המלאכותית במחקר המדעי צפויה לחולל שינויים מרחיקי לכת:

דמוקרטיזציה של המחקר

חוקרים ממדינות מתפתחות, אוניברסיטאות קטנות ומכוני מחקר עם משאבים מוגבלים יוכלו לרתום מערכות AI מתקדמות לביצוע מחקרים מורכבים בעלות נמוכה משמעותית.

האצת סקירת הספרות המדעית

יכולתן של מערכות בינה מלאכותית לסרוק ולעבד כמויות עצומות של נתונים תאפשר האצה דרמטית בסקירת הספרות המדעית – תהליך שכיום אורך חודשים יתקצר לשעות ספורות.

שיפור שיתופי פעולה בין-לאומיים

“חוקרים וירטואליים” מבוססי בינה מלאכותית יסייעו בניתוח נתונים, איתור בעיות מתודולוגיות, והצעת דרכים יצירתיות לשיפור המחקר.

השפעה על מערכת הבריאות ומדעי החיים

רופאים יוכלו להפעיל מערכות בינה מלאכותית שסורקות מחקרים רפואיים ומזהות טיפולים חדשניים מותאמים אישית לחולים ספציפיים.

נגישות וחינוך מדעי

במקום להמתין חודשים ארוכים לפרסום ממצאים חיוניים, הציבור יוכל לקבל סיכומים נגישים ומדויקים של התפתחויות מדעיות חדשות כמעט בזמן אמת.

לקראת עידן חדש במדע

אנו עומדים בפתחו של עידן מהפכני במדע, כפי שמעידה הענקת פרסי נובל 2024 לחוקרי בינה מלאכותית והישגים פורצי דרך כמו זה של Sakana AI כבר בתחילת 2025. בניגוד לחששות, בינה מלאכותית אינה צפויה להחליף חוקרים אנושיים בטווח הנראה לעין, אלא להרחיב משמעותית את יכולותיהם ולחולל שינוי יסודי באופני העבודה המדעית.

הקהילה המדעית ניצבת כעת בפני אתגר משמעותי – פיתוח כללים, סטנדרטים אתיים ומתודולוגיות חדשות המותאמות לעידן שבו בינה מלאכותית משתלבת בכל שלבי תהליך המחקר. מוסדות מובילים כמו אונסק”ו כבר מנסים לקבוע סטנדרטים משותפים לתפעול ולערכים של מערכות מדע יעילות בעידן החדש.

המודל היעיל והאתי ביותר בעתיד הנראה לעין יהיה שילוב הרמוני בין היצירתיות, האינטואיציה והשיפוט האתי האנושי לבין יכולות העיבוד, הניתוח וזיהוי הדפוסים העצומות של הבינה המלאכותית – שותפות שיכולה להוביל את האנושות לגילויים שטרם חלמנו עליהם.

אם מעניין אתכם לקרוא על התפתחויות מרתקות נוספות בעולם הבינה המלאכותית ומגיעות גם הן מהחברה היפנית Sakana AI – תכירו את Transformer² – מודל גמיש שלומד מהטבע, מתאים את עצמו בזמן אמת ומאתגר את כל מה שחשבנו שאנחנו יודעים על מודלים של שפה.