🤖 AI

AutoScientists: Self-Organizing Agent Teams for Long-Running Scientific Experimentation

L'article présente AutoScientists, une équipe décentralisée d'agents IA qui s'auto-organisent pour mener de manière autonome des expériences scientifiques de longue durée grâce à une génération et une critique itératives d'hypothèses, surpassant nettement les approches existantes à agent unique et centralisées dans des tâches de apprentissage automatique biomédical, d'optimisation de modèles de langage et de prédiction de fitness des protéines.

Auteurs originaux : Shanghua Gao, Ada Fang, Marinka Zitnik

Publié 2026-05-28

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Shanghua Gao, Ada Fang, Marinka Zitnik

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayez de résoudre un puzzle massif, incroyablement complexe. Autrefois, vous auriez peut-être engagé un seul détective très intelligent pour le résoudre. Ce détective aurait examiné une pièce, deviné où elle allait, l'aurait essayée, et si elle ne s'ajustait pas, il aurait réessayé. Il aurait procédé ainsi, une étape à la fois, seul.

Le papier présente AutoScientists, ce qui change entièrement la donne. Au lieu d'un seul détective, vous engagez une équipe de 9 agents IA qui travaillent ensemble comme un laboratoire de recherche dynamique.

Voici comment cela fonctionne, en utilisant des analogies simples :

1. L'équipe « auto-organisée »

La plupart des systèmes IA fonctionnent comme une chaîne de commandement militaire stricte : un général (un planificateur central) dit exactement aux soldats quoi faire. Si le général fait un mauvais plan, toute l'équipe échoue.

AutoScientists ressemble davantage à un groupe de scientifiques brillants dans un café. Ils n'ont pas de patron leur disant quoi faire. Au contraire :

Ils observent tous un tableau blanc partagé (le « État Partagé ») qui répertorie la meilleure solution actuelle, les tentatives échouées et les nouvelles idées.
Ils forment spontanément des équipes autour des idées les plus prometteuses.
Si une équipe atteint une impasse (comme essayer d'enfoncer un clou carré dans un trou rond), ils ne continuent pas à frapper dessus. Ils en parlent au groupe, admettent que l'idée est épuisée, et se réorganisent pour essayer une approche complètement différente.

2. La règle « Critique avant de dépenser »

Dans de nombreuses expériences IA, l'ordinateur essaie une nouvelle idée, lance une simulation, et ensuite réalise que c'était une perte de temps. C'est comme acheter un billet pour un concert, arriver au lieu du spectacle, et réaliser que le spectacle est annulé.

AutoScientists dispose d'un Conseil de Révision. Avant que du temps informatique coûteux ne soit consacré à l'exécution d'une expérience :

Un agent publie une proposition sur le « Forum de Recherche ».
Les autres agents agissent en tant que pairs évaluateurs. Ils disent : « Attendez, cette idée semble faible », ou « Nous avons essayé quelque chose de similaire la semaine dernière et cela a échoué ».
Cela filtre les mauvaises idées avant même que l'ordinateur ne commence à travailler, économisant ainsi du temps et de l'énergie.

3. Le « Registre des Impasses »

Imaginez une équipe d'explorateurs cartographiant une grotte. Si un explorateur tombe dans un puits, il ne l'oublie pas simplement. Il marque l'endroit sur la carte pour que personne d'autre n'y tombe.

AutoScientists maintient un Registre des Impasses. Il se souvient de chaque expérience échouée et pourquoi elle a échoué. Cela empêche l'équipe de perdre du temps à répéter les mêmes erreurs. Cela l'aide également à réaliser quand ils sont coincés dans un « optimum local » (une petite colline qui ressemble à une montagne) et les encourage à sauter vers une autre partie de la carte pour trouver un sommet plus élevé.

4. Les Résultats : Battre le Détective Solo

Les auteurs ont testé cette équipe contre le « meilleur détective solo » (un système appelé Autoresearch) et d'autres agents IA dans trois domaines majeurs :

Apprentissage automatique biomédical (BioML-Bench) : Imaginez cela comme un examen géant avec 24 énigmes médicales différentes (comme prédire l'efficacité d'un médicament ou analyser des images de cellules).
- Le Résultat : L'équipe AutoScientists a obtenu un score moyen plus élevé que n'importe quelle autre IA. Ils étaient particulièrement performants dans la Découverte de Médicaments, où ils ont trouvé de meilleures solutions que les systèmes à agent unique.
Entraînement de modèles IA (Optimisation GPT) : Cela ressemble à essayer de rendre un modèle linguistique plus intelligent en ajustant ses paramètres.
- Le Résultat : L'équipe a atteint un niveau de performance élevé 1,9 fois plus vite que le détective solo. Plus impressionnant encore, lorsque le détective solo était coincé et ne parvenait à trouver aucune amélioration, l'équipe AutoScientists continuait à trouver de nouveaux ajustements, meilleurs.
Ingénierie des protéines (ProteinGym) : Cela implique de prédire comment modifier la structure d'une protéine affecte sa fonction.
- Le Résultat : En partant de la meilleure méthode existante (Kermut), l'équipe a découvert une nouvelle façon de combiner les données qui a amélioré la précision de la prédiction de 12,5 % sur un test spécifique, et de 6,5 % sur l'ensemble du référentiel.

La Conclusion

Le papier affirme que AutoScientists est meilleur pour la découverte scientifique à long terme car il imite la façon dont les équipes de recherche humaines fonctionnent réellement : elles débattent, partagent les échecs, pivotent lorsqu'elles sont coincées et ne dépendent pas d'un seul patron pour leur dire quoi faire ensuite.

Note Importante : Le papier indique explicitement que ce système est conçu pour accélérer le processus de découverte (trouver de meilleurs modèles et hypothèses). Il ne prétend pas que ces agents IA peuvent remplacer les scientifiques humains pour les décisions cliniques, ni qu'il prétend que les modèles qu'ils ont découverts sont prêts à être utilisés comme médicaments ou traitements dans les hôpitaux sans examen humain. La « Déclaration d'Impact » avertit que ces résultats doivent être validés par des experts avant d'être utilisés en biologie ou en médecine réelles.

Résumé Technique : AUTOSCIENTISTS

Énoncé du Problème

La recherche scientifique est intrinsèquement itérative, impliquant des cycles de génération d'hypothèses, de conception d'expériences, d'exécution et de révision. Bien que les agents d'IA aient commencé à automatiser certaines parties de ce processus, les approches existantes suivent généralement une seule trajectoire de recherche ou s'appuient sur un planificateur central avec des objectifs fixes. Ces systèmes peinent à soutenir une exploration parallèle, à s'adapter aux preuves expérimentales changeantes ou à préserver la connaissance des directions échouées au cours d'expériences de longue durée. Les systèmes multi-agents actuels coordonnent souvent leur action via des structures rigides (par exemple, un planificateur décomposant un problème ou des agents convergeant par vote), en supposant que l'espace de recherche peut être partitionné en directions stables dès le départ. Cependant, dans le cadre d'expérimentations scientifiques de longue durée, les directions productives évoluent à mesure que les preuves s'accumulent, et les hypothèses qui semblent initialement prometteuses peuvent cesser de produire des améliorations.

Méthodologie : AUTOSCIENTISTS

Les auteurs présentent AUTOSCIENTISTS, une équipe décentralisée d'agents d'IA conçue pour l'expérimentation scientifique computationnelle de longue durée. Contrairement aux systèmes antérieurs qui reposent sur des coordinateurs centraux ou des décompositions fixes, AUTOSCIENTISTS fonctionne sans orchestrateur central, permettant aux agents de s'auto-organiser sur la base d'un état expérimental partagé.

Architecture Principale

Le système déploie $n$ agents de modèles de langage (LLM) de longue durée qui maintiennent un état interne tout au long du processus de recherche. Le système alterne entre deux phases :

Discussion et Auto-organisation : Les agents analysent la tâche, le modèle champion actuel ( $p^*$ ) et les publications antérieures du forum. Ils proposent des directions de recherche, critiquent les propositions et s'organisent en équipes ( $T_1, \dots, T_K$ ). Ce processus est dynamique ; si une équipe cesse de produire des améliorations, les agents déclenchent une nouvelle phase de discussion pour réorganiser, fusionner, diviser ou mettre à la retraite les équipes en fonction des hypothèses émergentes.
Exécution Parallèle : Les équipes exécutent des expériences en parallèle. Chaque équipe se compose de deux rôles spécialisés :
- Agents Analystes : Ils maintiennent la connaissance de la recherche, audite les paramètres non testés, classent les directions de recherche par taille d'effet empirique et proposent des expériences à une file d'attente d'équipe. Ils assurent la diversité des propositions et priorisent les directions sous-explorées.
- Agents Expérimentateurs : Ils réclament des expériences depuis la file d'attente, appliquent des modifications de code au champion, entraînent des modèles et enregistrent les résultats.

État Partagé et Coordination

La coordination s'effectue via un état partagé $S$ accessible à tous les agents, comprenant :

Champion ( $p^*$ ) : Le meilleur modèle actuel avec ses hyperparamètres complets et ses instructions de reproduction.
Journal d'Expériences ( $L$ ) : Un enregistrement de chaque expérience terminée, incluant les résultats, les deltas de métriques et les diagnostics d'entraînement.
Forum Partagé ( $F$ ) : Un espace structuré pour débattre des propositions, annoncer les résultats et partager des analyses mécanistiques.
État Local à l'Équipe : Des files d'attente d'expériences par équipe ( $Q_k$ ) et des registres d'impasses ( $D_k$ ) pour suivre les directions échouées et éviter une exploration redondante.

Validation Sensible au Bruit

Pour prévenir la « pollution du champion » (promotion de modèles basée sur du bruit stochastique), le système emploie une porte sensible au bruit. Les améliorations situées dans la bande de bruit mesurée empiriquement sont confirmées sur une deuxième graine aléatoire avant d'être promues au rang de champion. Cela garantit que seules des améliorations robustes orientent la trajectoire de recherche.

Contributions Clés

Équipes d'Agents Auto-organisées : Un cadre novateur où les agents interprètent indépendamment un état expérimental partagé et décident quelles hypothèses poursuivre. Les équipes se forment dynamiquement par interaction plutôt que par attribution externe, permettant aux directions de recherche d'émerger et d'évoluer naturellement.
Critique Pré-exécution : Les agents publient des propositions sur un forum partagé où leurs pairs critiquent et filtrent les idées faibles avant que des ressources de calcul ne soient engagées, réduisant ainsi l'exploration redondante.
Amélioration Durable : Le système est conçu pour continuer à identifier des modifications productives même après que les bases de référence d'agents uniques aient atteint un plateau, en mettant à la retraite les directions épuisées et en se réorganisant autour de nouvelles hypothèses.
Génération Complète d'Artéfacts : Au-delà du modèle final, le système produit une carte de modèle et un rapport de résultats de recherche, documentant l'évolution des hypothèses, les directions abandonnées et le processus de recherche expérimentale.

Résultats Expérimentaux

Les auteurs ont évalué AUTOSCIENTISTS sur trois domaines avec des budgets expérimentaux appariés :

1. Apprentissage Automatique Biomédical (BioML-Bench)

Portée : 24 tâches de bout en bout couvrant l'imagerie biomédicale, la découverte de médicaments, l'ingénierie des protéines et l'omique à cellule unique.
Performance : AUTOSCIENTISTS a atteint un percentile moyen de classement de 74,4 % sur les 24 tâches, surpassant l'agent antérieur le plus performant (Autoresearch) de +8,33 points de pourcentage.
Spécificités de Domaine : Les gains les plus significatifs ont été observés dans la découverte de médicaments, où le percentile moyen de classement est passé de 46,16 % (Autoresearch) à 64,52 %. En ingénierie des protéines, AUTOSCIENTISTS a égalé la performance de pointe (96,97 %) mais a obtenu un meilleur rang moyen.

2. Optimisation de l'Entraînement GPT

Portée : Optimisation de l'entraînement d'un modèle GPT nanochat en utilisant les bits par octet de validation (val_bpb) comme métrique.
Efficacité : Partant de la même base, AUTOSCIENTISTS a atteint un val_bpb cible d'environ 0,978 en 34 expériences, tandis qu'Autoresearch en a requis 65 (une accélération de 1,9×).
Découverte Durable : Lorsqu'il a commencé à partir d'un champion trouvé par AUTOSCIENTISTS (val_bpb = 0,9777), le système a découvert 7 améliorations acceptées sur 93 expériences. En revanche, l'approche d'agent unique Autoresearch n'a trouvé aucune amélioration sur 100 expériences, perturbant à répétition des directions proches des optima locaux.

3. Prédiction de la Fitness des Protéines (ProteinGym)

Portée : Extension de la méthode Kermut à processus gaussien pour la prédiction de l'effet des variants de protéines.
Performance : Sur le test de liaison ACE2–Spike, AUTOSCIENTISTS a amélioré la corrélation de Spearman ( $\rho$ ) de 0,747 (Kermut) à 0,840 (+12,5 %).
Généralisation : La méthode découverte, figée et appliquée sans modification à l'ensemble complet du benchmark ProteinGym de 217 tests, a amélioré la corrélation de Spearman moyenne officielle de 0,657 à 0,700 (+6,5 %), surpassant toutes les autres bases de référence supervisées.

Études d'Ablation

Les auteurs ont mené des ablations pour isoler la contribution des composants du système :

Sans Analyste : Le retrait des agents analystes a considérablement dégradé les performances sur TDC-hERG, indiquant l'importance d'une génération de propositions guidée.
Sans Rétroaction Inter-Agents : La désactivation des commentaires et de la critique a nui aux performances sur la liaison des protéines au plasma humain, soulignant la valeur du filtrage collectif.
Sans Auto-organisation : La fixation des structures d'équipe a empêché l'adaptation à la stagnation, causant la plus grande dégradation dans l'optimisation de l'entraînement GPT.
Agents Indépendants : Le retrait de l'état partagé et de la coordination a entraîné les baisses de performance les plus sévères (par exemple, Communication Cellule-à-Cellule), démontrant que les agents isolés dupliquent le travail et convergent vers des optima locaux incompatibles.

Importance et Revendications

L'article revendique qu'AUTOSCIENTISTS répond à une limitation critique des agents d'IA existants : l'incapacité à soutenir la recherche expérimentale à mesure que les preuves s'accumulent et que les directions productives changent. En permettant à des équipes d'agents d'explorer et de collaborer sur l'espace de conception sans planificateur central, le système améliore l'efficacité de la recherche expérimentale sous des budgets de calcul fixes.

Les auteurs soulignent qu'AUTOSCIENTISTS transforme l'expérimentation de longue durée en un processus de recherche collectif. Les avantages clés incluent :

Utilisation Efficace des Ressources : Les agents évaluent les propositions avant l'exécution et partagent la connaissance des échecs pour éviter les impasses.
Adaptabilité : Le système peut réorganiser les équipes lorsque les progrès stagnent, lui permettant de continuer à identifier des modifications productives après que les agents individuels aient atteint un plateau.
Transparence : Le système génère un enregistrement complet du processus de recherche, incluant les directions échouées et les analyses mécanistiques, facilitant la reproductibilité et l'insight scientifique.

Ce travail est présenté comme une étape vers la découverte scientifique autonome, en particulier dans les contextes biomédicaux computationnels et scientifiques où l'itération expérimentale est coûteuse. Les auteurs notent que, bien que le système accélère la découverte de choix de modélisation, les résultats ne doivent pas être traités comme cliniquement actionnables sans examen par des experts et une validation indépendante.