Agenti di AI e scienziati insieme per eseguire esperimenti a raggi X in autonomia
Un nuovo studio mostra che umani e agenti di AI possono far funzionare autonomamente uno strumento da laboratorio e migliorare col tempo.
Cosa ci si può fare
- Un ricercatore potrebbe condurre esperimenti a raggi X autonomi al sincrotrone su superreticoli nanoparticellari usando un insieme dinamico di obiettivi definiti dagli umani anziché istruzioni fisse 1.
- Un team di laboratorio potrebbe consentire a umani e agenti di AI di scambiarsi messaggi in tempo reale mentre le apparecchiature realizzano davvero un esperimento, condividendosi il lavoro man mano che procede 1.
- Uno scienziato potrebbe richiamare trascrizioni complete delle conversazioni tra persone e agenti di AI per ricostruire esattamente perché è stata presa ciascuna decisione durante l'esperimento 1.
Una squadra, non un robot solitario
L'articolo, pubblicato su arXiv nel novembre 2026 da Gunik Luthra, Ronald J. Pandolfi, Benjamin T. Diroll e sette coautori, ha studiato come persone e agenti di AI si dividono i compiti quando si lavora in un laboratorio reale 1. Invece di dare all'AI un unico compito fisso, i ricercatori hanno allestito un'infrastruttura coding agent basata su metodi già dimostrati in ambito scientifico, permettendo a umani e agenti di scambiarsi messaggi mentre l'esperimento veniva condotto su apparecchiature reali .
Tutta quella va e vieni è stata registrata per intero. Ogni messaggio tra la persona e l'AI, e tra diversi agenti di AI, è stato salvato così che chiunque potesse in seguito ricostruire esattamente perché era stata presa ciascuna scelta 1.
Chi ha fatto cosa
In tre prove separate, tra il 61 percento e il 67 percento di tutti i messaggi riguardava l'interpretazione dei risultati o il prendere decisioni — non solo seguire istruzioni prestabilite 1. Man mano che il team lavorava insieme attraverso gli esperimenti, la quota di contributi incentrati su metodi e scienza reali è salita dal 46 percento della prima sessione, ricca di configurazioni, a un intervallo tra il 56 percento e il 61 percento nelle fasi successive .
Circa la metà di tutte le decisioni ha incluso l'intervento di un altro partecipante, umano o agente 1. Quando sono stati commessi errori, tra il 59 percento e il 68 percento delle correzioni è arrivato da più persone o agenti che lavoravano insieme anziché da una sola parte che sistemava le cose da sé .
Perché contare la collaborazione conta
I ricercatori dicono che quei numeri contano perché mostrano sia le persone sia gli agenti di AI che facevano autentico pensiero scientifico, non solo digitare comandi 1. Avere trascrizioni complete significa anche che nessuno può nascondere come si sia arrivati a un risultato — una caratteristica che gli autori sostengono potrebbe diventare lo standard per qualsiasi sistema di AI usato in laboratori reali .
Lo studio non descrive un prodotto finito che si possa installare oggi; è una demo iniziale su uno strumento sincrotrone reale con obiettivi in evoluzione definiti dagli umani 1. Ma gli autori dicono che l'approccio potrebbe guidare come saranno progettati i futuri sistemi scientifici multi-agente, come i modelli di AI saranno addestrati per l'uso in laboratorio e quanto accessibili potranno diventare gli esperimenti autonomi .
Quanto è valido
Attraverso tre esperimenti reali su uno strumento sincrotrone, tra il 61 e il 67 percento di tutti i messaggi riguardava l'interpretazione o il giudizio genuini invece di semplicemente seguire comandi prestabiliti 1. La quota di contributi metodologici e scientifici è salita dal 46 percento nella prima sessione, ricca di configurazioni, a un intervallo tra il 56 percento e il 61 percento nelle fasi successive, mostrando che il team è diventato sempre più focalizzato sulla scienza nel corso del tempo . Circa la metà di tutte le decisioni ha incluso l'intervento di un altro partecipante, umano o agente, e tra il 59 e il 68 percento delle correzioni degli errori è arrivato da più persone o agenti che lavoravano insieme invece che da una sola parte che sistemava le cose da sé . Gli autori definiscono questo una dimostrazione iniziale, non un prodotto finito installabile, quindi questi sono numeri operativi su obiettivi in evoluzione piuttosto che un confronto rifinito rispetto a competitor .
I fatti principali
- Tra il 61 e il 67 percento dei messaggi riguardava l'interpretazione o il giudizio
- I contributi metodologici sono passati dal 46% a un intervallo 56%-61% attraverso gli esperimenti
- Circa il 50% delle decisioni ha incluso l'input di un altro partecipante
- Tra il 59% e il 68% delle correzioni degli errori ha coinvolto più partecipanti
- Articolo pubblicato su arXiv nel novembre 2026 da nove autori
Fonti
Se questa notizia riguarda te o la tua azienda, o usa qualcosa che ti appartiene, chiedi una correzione o la rimozione. Come funzionano le richieste
Continua a leggere
Aziende e regoleGoogle acquista Howie, un assistente AI che prenota i tuoi meetingHerald of AIGannu03, CC BY-SA 4.0, via Wikimedia Commons
Google acquista Howie, un assistente AI che prenota i tuoi meeting
Uno strumento AI che organizza le riunioni per te entra in Google: ecco cosa cambia se ti affidi alle app di prenotazione.
La startup londinese Fractile raccoglie 720 milioni di dollari per creare chip per l'AI concentrati sulla memoria, non sulla potenza pura
Un nuovo tipo di chip potrebbe rendere le risposte dell'AI molto più veloci — se Fractile riuscirà a mantenere le promesse.
Come funzionaCome Meta triplica la produttività ingegneristica grazie agli agenti per distribuire le tecniche dei modelli di annunciHerald of AI
Come Meta triplica la produttività ingegneristica grazie agli agenti per distribuire le tecniche dei modelli di annunci
Il nuovo sistema di agenti AI di Meta adatta automaticamente piccoli miglioramenti attraverso migliaia di modelli pubblicitari, risparmiando milioni nei costi di calcolo.