Zespół badawczy zaprezentował CARTOGRAPH - nową warstwę weryfikacyjną dla autonomicznych systemów AI prowadzących eksperymenty naukowe. System rozwiązuje fundamentalny problem: gdy AI samodzielnie odkrywa nowe zjawiska czy mechanizmy, jak wiedzieć kiedy jego wnioski są wiarygodne, a kiedy powinno się go zatrzymać przed wypublikowaniem błędnych rezultatów?
CARTOGRAPH działa na trzech poziomach. Po pierwsze, inteligentnie wybiera kolejne eksperymenty oparte na informacji Fishera, co pozwala efektywnie zmniejszać niepewność. Po drugie, systematycznie zamyka niejasności w danych. Po trzecie - i to kluczowe - wykrywa gdy proponowane objaśnienia nie pasują do rzeczywistości, dzięki analizie reszt. W praktyce system najpierw zaproponuje hipotezę, ale jeśli dane jej zaprzeczają, jawnie ją odrzuca zamiast upierać się przy niej.
Na pięciu różnych zbiorach danych CARTOGRAPH wykazał zdecydowaną przewagę nad zwykłą analizą - zwłaszcza w farmakokinetyce i badaniach materiałów. Najciekawsza ocena przyszła z retrospektywnej analizy: gdy naukowcy przeanalizowali 40 twierdzeń z wcześniej opublikowanego systemu A-Lab, CARTOGRAPH poprawnie zaflagował wszystkie 4 wyniki później uznane za wątpliwe, jednocześnie potwierdzając 32 z 36 faktycznie potwierdzonych wniosków. To sugeruje, że taki weryfikacyjny system byłby cenny dla wspierania wiarygodności autonomicznych odkryć naukowych.