בעולם המדע שבו פונקציות המטרה הן לעיתים קרובות קירובים גסים בלבד לאתגרים הגדולים, חוקרים מציגים את סוכן SAGA – Scientific Autonomous Goal-evolving Agent. המערכת הזו פורצת דרך בכך שהיא מאוטומטת את עיצוב פונקציות המטרה עצמן, במקום להסתמך על נוסחאות קבועות מראש. זהו צורך מרכזי שלא נענה עד כה בסוכני גילוי מדעי, לפי המחקר שפורסם ב-arXiv.
SAGA מבוסס על ארכיטקטורה דו-רמתית חדשנית. הלולאה החיצונית מורכבת מסוכני LLM (מודלי שפה גדולים) שמנתחים את תוצאות האופטימיזציה, מציעים מטרות חדשות וממירים אותן לפונקציות ציון מחשוביות. הלולאה הפנימית מבצעת אופטימיזציה של פתרונות תחת המטרות הנוכחיות. גישה זו מאפשרת חקירה שיטתית של מרחב המטרות והסחרורים ביניהן, במקום להתייחס למטרות כקלט קבוע.
המחקר מדגים את SAGA במגוון רחב של יישומים מעשיים. בין היתר, בעיצוב אנטיביוטיקה, עיצוב חומרים דו-חמצניים, עיצוב רצפי DNA פונקציונליים ועיצוב תהליכים כימיים. בכל התחומים הללו, אוטומציה של ניסוח המטרות שיפרה באופן ניכר את יעילות סוכני הגילוי המדעי, כפי שמוצג בתוצאות הניסוי.
למה זה משנה לעסקים ישראליים? בתעשיות כמו ביוטק, כימיה וחומרים מתקדמים – שבהן ישראל מובילה – SAGA יכולה להאיץ פיתוח מוצרים חדשים. במקום להסתמך על מדענים שמגדירים מטרות באופן ידני, המערכת לומדת ומשפרת אותן אוטונומית, מה שמקצר זמני פיתוח ומפחית עלויות. זהו צעד קדימה לקראת AI שממש מרחיב את גבולות הגילוי.
עבור מנהלי עסקים ומדענים, SAGA מציעה הזדמנות לשלב AI בגילויים מדעיים בצורה חכמה יותר. כיצד תיישמו זאת בפרויקט הבא שלכם? המחקר מדגיש כי אוטומציה כזו יכולה לשנות את חוקי המשחק.