Агентная система AI Scientist впервые автономно прошла полный эмпирический цикл: сгенерировала гипотезы, провела онлайн-эксперименты с живыми участниками, сама подготовила анализ данных и написала готовые рукописи, не требуя человека на каждом шаге. Работа опубликована в рецензируемом журнале Advanced Science; по оценке авторов, методологическая строгость системы сопоставима с уровнем опытных исследователей, однако она уступает им в концептуальной нюансировке и теоретической интерпретации.
Что произошло
Статья «Closing the Empirical Loop: Autonomous AI Agents Conduct End-to-End Research with Human Participants» авторства Wehr, Rideaux, Fox, Lightfoot, Tangen, Mattingley и Ehrhardt вышла онлайн 14 сентября 2026 года в журнале Advanced Science: том 13, номер 56, статья e76675, DOI 10.1002/advs.76675. Авторы заявляют, что это первая демонстрация автономного экспериментального исследования от начала до конца с участием людей. Описанная система AI Scientist, являющаяся доменно-агностичным LLM-агентом, самостоятельно разрабатывала протоколы, запускала онлайн-рекрутинг и сбор данных, писала и отлаживала пайплайны анализа в код-сессиях продолжительностью более восьми часов и доводила материалы до готовых рукописей. Данные были собраны у 288 реальных участников в трёх психологических экспериментах: визуальная рабочая память, ментальная ротация и яркость образов.
Контекст
AI Scientist — это агентная система на основе больших языковых моделей общего назначения, а не узкая модель под одну задачу: по заявлению авторов, она доменно-агностична и способна вести исследование как единый рабочий процесс. В этом основной сдвиг: прежде громкие успехи искусственного интеллекта в науке относились к отдельным этапам — например, к предсказанию структуры белка, — тогда как здесь объектом автономизации стал сам научный workflow целиком, включая работу с живыми людьми. Выбранные парадигмы — классические психофизические задачи, хорошо задокументированные в литературе за десятилетия, — делают полученные результаты легко проверяемыми. Одновременно публикация переводит из теоретической в практическую плоскость давние вопросы: кому засчитывать научное авторство, когда протокол и анализ делает агент, и как должно регулироваться проведение автономных экспериментов с участием людей.
Почему это важно для индустрии
Для индустрии это не анонс модели и не продукт, а работающий референс агентного workflow: документировано, что одна LLM-система способна вести многочасовые инженерные сессии, организовывать рекрутинг участников, проводить сбор данных и доводить анализ до готового текста. Разворачивать пока нечего: в источниках нет API, pricing, SLA и данных о стоимости прогона, равно как и ссылки на публичный код. Ориентир на ближайшие полгода: попытки репликации, критические разборы статистики трёх экспериментов, open-source производные этого паттерна и первые вертикальные инструменты — агентные исследования для UX-команд, опросов и продуктовых A/B-тестов, построенные с человеческим апрувом на входе (гипотеза и дизайн) и на выходе (выводы). Дефицитными ресурсами станут доступ к API и участнические панели как сервис, а также оркестрация исследовательского конвейера целиком. Если в горизонте пары лет результаты воспроизводятся, а стоимость падает, реалистичен сценарий полуавтономных пайплайнов для рутинных исследований с людьми, где ценность команд смещается к постановке вопросов, теории и критической проверке выводов.
Почему это важно для пользователей
Препринт исследования открыт на arXiv (2508.13421, лицензия CC BY 4.0), и уже сейчас его можно разобрать как учебный материал: как система строила три эксперимента, где именно она споткнулась — на этапе интерпретации, — и какого качества получился анализ. Для исследователей и студентов это живая карта реальных границ агентных возможностей: интерпретация и теоретическое осмысление остаются работой для человека. Немедленный практический эффект касается этики: вопросы раскрытия агентного вклада и контроля за автономными экспериментами с участием людей перестают быть абстрактными дискуссиями и превращаются в процедурное требование к подобным работам.
Что пока неизвестно / ограничения
Доменно-агностичность — это заявление авторов, а продемонстрирован пока один домен: три психологических эксперимента из одной области, так что переносимость паттерна на UX-исследования, A/B-тесты и market research остаётся допущением. В доступных материалах нет данных о числе неудачных запусков системы и о степени человеческого вмешательства в прогоны, а отмеченная авторами слабость в теоретической интерпретации, судя по всему, плохо покрывается существующими бенчмарками. Пока эти вопросы не закрыты независимыми воспроизведениями и разборами, результат следует воспринимать как демонстрацию возможности, а не как проверенный воспроизводимый стандарт.
Источники
- Closing the Empirical Loop: Autonomous AI Agents Conduct End-to-End Research with Human Participants — статья в журнале Advanced Science (DOI 10.1002/advs.76675)
- Closing the Empirical Loop: Autonomous AI Agents Conduct End-to-End Research with Human Participants — препринт на arXiv (arXiv:2508.13421, CC BY 4.0)
- Запись в PubMed, PMID 42734488
Автор
Look at AI, редакция