Abstract

Neue Fortschritte in großen Sprachmodellen (LLMs) haben die automatisierte wissenschaftliche Forschung zum nächsten entscheidenden Schritt auf dem Weg zur künstlichen Superintelligenz gemacht. Diese Systeme sind jedoch entweder auf Aufgaben mit engem Anwendungsbereich beschränkt oder leiden unter den begrenzten kreativen Fähigkeiten von LLMs. Wir stellen Spacer vor, ein System zur wissenschaftlichen Entdeckung, das kreative und faktisch fundierte Konzepte ohne externe Intervention entwickelt. Spacer erreicht dies durch einen Ansatz namens „bewusste Deskontextualisierung“, bei dem Informationen in atomare Einheiten – Schlüsselwörter – zerlegt werden, um Kreativität aus bisher unerforschten Verbindungen zwischen diesen zu generieren. Spacer besteht aus zwei Komponenten: (i) Nuri, einem Inspirations-Engine, die Schlüsselwortmengen erstellt, und (ii) der Manifestierungs-Pipeline, die diese Mengen in komplexe wissenschaftliche Aussagen transformiert. Nuri extrahiert neuartige, hochpotenzielle Schlüsselwortmengen aus einem Schlüsselwortgraphen, der auf 180.000 wissenschaftlichen Publikationen aus den biologischen Fachgebieten basiert. Die Manifestierungs-Pipeline identifiziert Beziehungen zwischen Schlüsselwörtern, analysiert deren logische Struktur, prüft ihre Plausibilität und leitet schließlich originelle wissenschaftliche Konzepte ab. In unseren Experimenten klassifiziert die Bewertungsmaßzahl von Nuri hochwirksame Publikationen mit einer AUROC-Score von 0,737 präzise. Zudem gelang es der Manifestierungs-Pipeline, zentrale Konzepte aus den neuesten Artikeln führender Fachzeitschriften ausschließlich anhand ihrer Schlüsselwortmengen erfolgreich wiederherzustellen. Ein auf LLMs basierendes Bewertungssystem schätzt, dass diese Rekonstruktion in über 85 % der Fälle plausibel war. Schließlich zeigt unsere Analyse des Embedding-Raums, dass die Ausgaben von Spacer signifikant ähnlicher sind als die von state-of-the-art (SOTA)-LLMs gegenüber führenden Publikationen.