ИИ помог найти новую закономерность в физике продуктов, перебрав за полчаса объём экспериментальных данных, который человеку пришлось бы собирать месяцами. Система AgentXtract извлекла из научных работ 4276 записей о 142 продуктах, после чего исследователи обнаружили неизвестную прежде зависимость между двумя характеристиками, от которых зависит нагрев еды электромагнитными волнами.
Проблема оказалась не в нехватке измерений, а в том, где они хранятся. За десятилетия учёные накопили множество сведений о свойствах продуктов, но результаты разбросаны по статьям, таблицам, графикам и формулам. Чтобы собрать из публикаций пригодную для анализа базу, специалисту приходится вручную находить нужные числа, выяснять условия эксперимента и приводить записи к одному формату.
AgentXtract переложила большую часть этой работы на три ИИ-агента. Первый отбирает публикации и разбирается в содержании, второй вытаскивает числовые значения, третий проверяет формат и собирает записи в общую базу. В основе агентов работают большие языковые модели, поэтому разработчики отдельно проверяли, насколько часто ИИ пропускает нужные числа или, наоборот, добавляет значения, которых в статье не было.
Авторы испытали десять моделей OpenAI, Google и Anthropic на заранее проверенном наборе. Точность отбора записей превысила 95%, а правильно перенесённых числовых значений оказалось больше 99%. Способность находить все нужные данные различалась сильнее: полнота извлечения у разных моделей составила от 79% до 99%. Для создания полной базы исследователи выбрали лучший вариант. Обработка заняла около 30 минут, а обращения к модели через API обошлись примерно в $9.
После объединения измерений исследователи заметили закономерность, которую раньше в публикациях не описывали. У более чем 100 продуктов диэлектрическая проницаемость менялась вместе с коэффициентом диэлектрических потерь по устойчивой математической зависимости. Первая величина показывает, как материал реагирует на электрическое поле, вторая помогает понять, насколько эффективно продукт превращает электромагнитную энергию в тепло. От обеих характеристик зависит, например, поведение еды в микроволновой печи.
Сам ИИ при этом не вывел новый закон природы из ничего. AgentXtract собрала большой массив измерений, а исследователи уже анализировали получившуюся картину. Раньше заметить общую зависимость мешала именно раздробленность данных: результаты для разных продуктов, температур, частот и состава приходилось искать по множеству отдельных работ.
Собранную базу подключили и к прототипу системы RAG. Перед ответом на вопрос программа сначала ищет подходящие экспериментальные записи, а затем передаёт найденные сведения языковой модели. Пользователь, например, может спросить о диэлектрических свойствах картофеля при определённой частоте и получить числовой ответ вместе со ссылками на исходные измерения.
Авторы считают, что тот же подход можно применять далеко за пределами пищевой физики. Во многих областях науки результаты экспериментов десятилетиями копятся в публикациях в неудобном для машинного анализа виде. ИИ-агенты могут ускорить сбор таких массивов, но качество базы по-прежнему зависит от людей, которые выбирают источники, проверяют данные и решают, имеет ли найденная закономерность физический смысл.
