בעידן שבו AI משנה את פני המחקר המדעי, פרדיגמת 'המדען AI' מבטיחה לאוטומציה שלבים מרכזיים – מהפקת רעיונות ועד כתיבת מאמרים מדעיים. השינוי הזה צפוי להאיץ גילויים ולהרחיב את היקף החקירה המדעית. אולם, שאלה מרכזית נותרת פתוחה: האם מדעני AI מסוגלים לזהות שאלות מחקר משמעותיות? בעוד שמודלי שפה גדולים (LLMs) הצליחו במשימות ספציפיות של יצירת רעיונות, הפוטנציאל שלהם לביצוע הערכות אסטרטגיות ארוכות טווח של פריצות דרך עבר והשערות עתידיות נותר בלתי מנוצל ברובו. מאמר חדש מציג פתרון היברידי המשלב את יכולות עיבוד הנתונים הנרחבות של AI עם שיקול הדעת האנושי.
המתודולוגיה מחולקת לשלושה שלבים מובנים. בשלב הראשון, איסוף מידע מואץ על ידי AI, המעבד כמויות אדירות של ספרות מדעית כדי לייצר בסיס מידע היברידי. בשלב השני, הצעת שאלות מועמדות, שבו משתמשים בנתונים מסונתזים כדי לעורר שש מודלי LLMs מגוונים להציע מאגר ראשוני של שאלות, שמסונן באמצעות מנגנון הצבעה בין-מודלית. בשלב השלישי, בחירת שאלות היברידית, שמזקקת את המאגר דרך תהליך סינון רב-שלבי שמגביר בהדרגה את הפיקוח האנושי. גישה זו ממנפת את החוזקות של כל צד: המהירות וההיקף של AI לצד ההערכה האיכותית של מומחים אנושיים.
כדי לאמת את המערכת, ביצעו החוקרים ניסוי לזיהוי 10 הפריצות הדרך המדעיות המובילות של 2025 ו-10 השאלות המדעיות החשובות ביותר לשנת 2026 בחמש תחומים מרכזיים. הניתוח חשף כי סוכני AI מראים התאמה גבוהה להערכות מומחים אנושיים בזיהוי פריצות דרך מבוססות, אך מציגים פער גדול יותר בחיזוי שאלות עתידיות. תוצאות אלה מדגישות כי שיקול דעת אנושי נותר חיוני להערכת אתגרים סובייקטיביים והשקפתיים.
המשמעות העסקית של שיתוף פעולה היברידי זה רבה עבור חברות טכנולוגיה ומחלקות מחקר בישראל. בעוד AI יכול לנתח אלפי מאמרים במהירות, ההחלטה הסופית דורשת פרספקטיבה אנושית. בישראל, שבה סטארט-אפים רבים פועלים בתחומי AI ומדעי החיים, כלים כאלה יכולים להאיץ חדשנות ולהקנות יתרון תחרותי. המחקר מצביע על כך ששילוב כזה יאפשר למחלקות R&D להתמקד באסטרטגיה ולא בניתוח נתונים בסיסי.
לסיכום, פרדיגמת HybridQuestion מדגישה את הצורך בשותפות אדם-AI. מנהלים עסקיים צריכים לשקול אימוץ כלים דומים כדי לזהות הזדמנויות מחקריות מוקדם. השאלה המעוררת מחשבה: האם בעתיד הקרוב יוכל AI להחליף לחלוטין את שיקול הדעת האנושי?