Δοκίμιο φιλοξενίας της Anthropic προτρέπει την AI να επιστρέφει εύρη επιστημονικών μοντέλων

Στις 6 Νοεμβρίου 2026, η Anthropic δημοσίευσε ένα δοκίμιο φιλοξενούμενης έρευνας, στο οποίο οι υπότροφοι του AI for Science Jakob Macke, Daniel Gedon και Stefan Wahl υποστηρίζουν ότι οι πράκτορες LLM θα πρέπει να επιστρέφουν σταθμισμένες κατανομές εύλογων επιστημονικών μοντέλων αντί για ένα μόνο μοντέλο με την καλύτερη προσαρμογή. Οι συγγραφείς είναι ερευνητές στο ELLIS Institute Tübingen και στο University of Tübingen.

Η βασική τους διάκριση είναι ανάμεσα στην αναπαραγωγή παρατηρήσεων και στην κατανόηση ενός συστήματος. Πολλές διαφορετικές ρυθμίσεις παραμέτρων μπορούν να παράγουν ισοδύναμα αποτελέσματα, ενώ διαφορετικές δομές εξισώσεων μπορούν να εξηγήσουν τις ίδιες μετρήσεις. Επομένως, ένας πράκτορας που επιστρέφει μία επαρκή απάντηση αποκρύπτει εναλλακτικές που ενδέχεται να υποστηρίζουν διαφορετικούς μηχανισμούς ή προβλέψεις.

Κατασκευή, περιορισμός και ερμηνεία μοντέλων

Το δοκίμιο χωρίζει την επιστημονική μοντελοποίηση σε τρία επαναλαμβανόμενα βήματα: την κατασκευή των στοιχείων και των εξισώσεων ενός μοντέλου, τον περιορισμό των προσαρμόσιμων παραμέτρων με βάση μετρήσεις και την ερμηνεία του τι αποκαλύπτει το αποτέλεσμα για το πραγματικό σύστημα. Ιστορικό παράδειγμα αποτελεί το μοντέλο νευρικού κυττάρου των Hodgkin και Huxley. Οι δύο επιστήμονες επέλεξαν έναν όρο τέταρτης δύναμης, επειδή οι απλούστερες εκδοχές προσαρμόζονταν λιγότερο καλά στα δεδομένα τους, ενώ ο Huxley πέρασε πάνω από τρεις εβδομάδες λύνοντας τις εξισώσεις με αριθμομηχανή χειροκίνητης λειτουργίας, αφού ο υπολογιστής του Cambridge University τέθηκε εκτός λειτουργίας το 1951.

Αυτό το ιστορικό των εναλλακτικών που απορρίφθηκαν είναι το ζητούμενο. Η τέταρτη δύναμη στήριξε μια υπόθεση σχετικά με πολλά κινούμενα μέρη σε μια πύλη της μεμβράνης· χωρίς να γνωρίζουμε ότι οι μικρότερες δυνάμεις δεν απέδωσαν, η αριθμητική προσαρμογή από μόνη της δεν θα δικαιολογούσε την ερμηνεία. Οι συγγραφείς χρησιμοποιούν το παράδειγμα για να ορίσουν ένα πρότυπο για την AI: να διατηρεί όσα αποκαλύπτει η διαδικασία μοντελοποίησης, συμπεριλαμβανομένων των αποτυχημένων υποψηφίων και της αβεβαιότητας που παραμένει.

Από τις κατανομές παραμέτρων στις κατανομές μοντέλων

Η Μπεϊζιανή συμπερασματολογία αντιμετωπίζει την εκδοχή του προβλήματος που αφορά τις παραμέτρους, αναπαριστώντας τις εύλογες ρυθμίσεις ως κατανομή πιθανότητας, η οποία λαμβάνει υπόψη την προσαρμογή στα δεδομένα και την προγενέστερη γνώση. Οι συμβατικοί υπολογισμοί πιθανοφάνειας είναι συχνά δυσεπίλυτοι για μηχανιστικούς προσομοιωτές: μια ανασκόπηση του 2020 στο PNAS εξηγεί ότι η πιθανοφάνεια ολοκληρώνει εμμέσως ως προς όλες τις πιθανές διαδρομές εκτέλεσης ενός προσομοιωτή.

Αντί γι’ αυτό, η συμπερασματολογία βάσει προσομοιώσεων δειγματοληπτεί παραμέτρους, εκτελεί τον προσομοιωτή και εκπαιδεύει έναν νευρωνικό εκτιμητή με βάση τα συνθετικά αποτελέσματα. Η μέθοδος SNPE απαιτεί ένα μοντέλο που μπορεί να εκτελεστεί, εκ των προτέρων περιορισμούς στις παραμέτρους και παρατηρούμενα δεδομένα ή συνοπτικά χαρακτηριστικά, χωρίς υπολογισμούς πιθανοφάνειας ή κώδικα μοντέλου που να είναι διαφορίσιμος. Στην προσομοιωμένη πειραματική εφαρμογή της στους Hodgkin-Huxley, ένας κύκλος χρησιμοποίησε 100,000 προσομοιώσεις για να εκτιμήσει οκτώ βιοφυσικές παραμέτρους από επτά χαρακτηριστικά τάσης. Η προσθήκη χαρακτηριστικών περιόρισε την εκ των υστέρων κατανομή και έδειξε ποιες παραμέτρους περιόριζαν ισχυρά ή ασθενώς οι παρατηρήσεις. Μετά την αρχική φάση προσομοίωσης και εκπαίδευσης, το εκπαιδευμένο υποκατάστατο μπορεί να αξιολογεί νέα δεδομένα αποτελεσματικά.

Το δοκίμιο επεκτείνει αυτή τη λογική από τις παραμέτρους στις δομές των μοντέλων. Ένας πράκτορας LLM μπορεί να γράψει κώδικα για υποψήφιους προσομοιωτές, να τον εκτελέσει, να περιορίσει τις παραμέτρους τους, να συγκρίνει τα αποτελέσματα με τις παρατηρήσεις και να αναθεωρήσει τις εξισώσεις. Διαφορετικές εκτελέσεις μπορούν να παράγουν διαφορετικές, αλλά εξίσου επαρκείς δομές, γι’ αυτό προτείνεται ως έξοδος ένας σταθμισμένος πληθυσμός: οι υποψήφιες δομές αποκτούν μεγαλύτερο βάρος ανάλογα με την υποστήριξη που τους παρέχουν τα δεδομένα, οι υπερβολικά ευέλικτες προσαρμογές λαμβάνουν μικρότερη βαρύτητα και οι ισχυρότερες υποψήφιες δομές τροφοδοτούν περαιτέρω παραλλαγές. Τα κοινά χαρακτηριστικά των μοντέλων που επιβιώνουν δείχνουν τι ευνοούν τα στοιχεία, ενώ οι διαφωνίες εντοπίζουν τα σημεία όπου τα στοιχεία είναι περιορισμένα και τα πιθανά επόμενα πειράματα.

Το ModelSMC αναζητά εκτελέσιμα μοντέλα

Σε προγενέστερη εργασία του 2026 για το ModelSMC, ο Wahl και οι συνεργάτες του, μεταξύ των οποίων οι Macke και Gedon, διατύπωσαν αυτή την προσέγγιση ως πιθανοτική συμπερασματολογία πάνω σε εκτελέσιμα προγράμματα προσομοίωσης. Κάθε υποψήφιο μοντέλο είναι ένα σωματίδιο που προτείνεται ή βελτιώνεται από ένα LLM, με βάση προγενέστερες υλοποιήσεις, ανατροφοδότηση από την αξιολόγηση και το πλαίσιο της εργασίας. Η στάθμιση βάσει πιθανοφάνειας και η επαναδειγματοληψία συγκεντρώνουν τον πληθυσμό στις υποσχόμενες δομές, ενώ κατά την ανακάλυψη οι παράμετροι οριακοποιούνται αντί να συμπυκνώνονται σε μία βελτιστοποιημένη εκτίμηση για κάθε δομή. Η εργασία αναγνωρίζει την παροχή πιστώσεων API μέσω του προγράμματος AI for Science της Anthropic, το οποίο ξεκίνησε στις 5 Μαΐου 2025 για επιλεγμένους ερευνητές που συνδέονται με ιδρύματα, με ιδιαίτερη έμφαση στη βιολογία και τις βιοεπιστήμες.

Τα πειράματα κάλυψαν συνθετική επιδημιολογική δυναμική, έναν προσομοιωτή ρύθμισης της αλδοστερόνης στους νεφρούς και μια εργασία δομικής ανακάλυψης Hodgkin-Huxley με 10 πραγματικές καταγραφές τάσης. Οι συγγραφείς αναφέρουν ότι τα μοντέλα νευροεπιστήμης με υψηλή στάθμιση προσέθεταν επανειλημμένα ένα βραδύ ρεύμα καλίου τύπου M, μερικές φορές μαζί με ένα άλλο κανάλι, και ότι αυτή η οικογένεια κατέλαβε την πρώτη θέση σε εννέα από τις 10 εκτελέσεις. Συνολικά, η ποσοτική απόδοση ήταν συγκρίσιμη με εκείνη των FunSearch+ και μιας παραλλαγής ενός σωματιδίου, σε αντίστοιχους υπολογιστικούς προϋπολογισμούς· το πλεονέκτημα που υποστηρίζεται είναι η εκ των υστέρων ανάλυση οικογενειών μοντέλων και όχι ένα σταθερό προβάδισμα στην απόδοση.

Ερμηνεία και επικύρωση

Το τεκμηριωμένο υπολογιστικό κόστος και οι εξαρτήσεις του ModelSMC έχουν εξίσου μεγάλη σημασία με τα αποτελέσματά του. Οι επαναλαμβανόμενες προσομοιώσεις και η εκτίμηση πιθανοφάνειας απαιτούν πολλούς υπολογιστικούς πόρους, οι προσεγγιστικές πιθανοφάνειες μπορούν να εισαγάγουν μεροληψία όταν το μοντέλο έχει εσφαλμένη προδιαγραφή, και η ανακάλυψη εξαρτάται από το αν το LLM προτείνει χρήσιμες δομές. Το δοκίμιο φιλοξενίας προσθέτει μια ευρύτερη επιφύλαξη: αυτά τα συστήματα έχουν δοκιμαστεί κυρίως ως προς την εκ νέου ανακάλυψη γνωστών μοντέλων, ενώ τα στοιχεία ότι λειτουργούν σε επιστημονικά προβλήματα χωρίς γνωστή απάντηση είναι περιορισμένα.

Οι συγγραφείς θεωρούν ότι η ερμηνεία είναι το δυσκολότερο στάδιο που μπορεί να ανατεθεί, επειδή η προσαρμογή στα δεδομένα είναι μετρήσιμη, ενώ η βελτίωση της κατανόησης δεν έχει εξίσου σαφή στόχο. Η συμφωνία μεταξύ μοντέλων που προσαρμόζονται στα δεδομένα, αφού διαταραχθεί ένα σύστημα, ενισχύει μια πρόβλεψη, ενώ η διαφωνία αποκαλύπτει μηχανισμούς που παραμένουν ανεξήγητοι και μπορεί να καθοδηγήσει το επόμενο πείραμα. Αυτή η απαίτηση γίνεται σημαντικότερη αν η ΤΝ άρει την ιστορική πίεση για συμπαγή, κατανοητά από τον άνθρωπο μοντέλα, καθώς τα μεγαλύτερα μοντέλα αυξάνουν την ανάγκη για ρητή αποτύπωση της αβεβαιότητας και σύντομες μηχανιστικές περιλήψεις.

Το κριτήριο που θέτουν, επομένως, οι συγγραφείς δεν περιορίζεται σε ένα μοντέλο που προσαρμόζεται στα δεδομένα: ένα σύστημα ΤΝ θα πρέπει να τεκμηριώνει τα στοιχεία στα οποία βασίζεται η απάντησή του, συμπεριλαμβανομένων των μετρήσεων που προσδιορίζουν κάθε επιμέρους στοιχείο, των υποψήφιων λύσεων που απέτυχαν, της αβεβαιότητας που παραμένει άλυτη και των ερωτημάτων που προέκυψαν κατά την αναζήτηση. Με βάση αυτή την περιορισμένη βάση επικύρωσης, το καθοριστικό ερώτημα είναι αν η διατήρηση των κατανομών των μοντέλων, μαζί με το ιστορικό των εναλλακτικών που απορρίφθηκαν, οδηγεί σε κατανόηση πραγματικά ανοιχτών επιστημονικών προβλημάτων.