Tým z čínské univerzity Fudan naučil AI rozpoznávat kvalitu vědeckých prací — nikoliv pomocí klíčových slov, ale prostřednictvím porozumění tomu, co vědecká komunita dlouhodobě oceňuje. Inspiraci hledali u filozofa Immanuela Kanta a jeho konceptu vkusu.
Kantův vkus jako základ pro vědecký úsudek AI
AI dnes umí vědu generovat. Napíše vědecký článek, navrhne hypotézu, spustí experiment, prohledá miliony publikací za minutu. Jenže tu jsou stovky takových projektů najednou — každý technicky správný, proveditelný, ale bez záruky, že na něm záleží. Problém není v tom, že by AI byla špatný vědec. Problém je, že neumí posoudit. Generovat vědu bez vkusu je jako tisknout peníze bez rozmyslu: čím víc toho je, tím větší to dělá problémy.
Odpověď na otázku, proč AI tento vkus postrádá, vedla výzkumníky z Fudanu do filozofické knihovny 18. století. David Hume se celá léta zabýval otázkou, zda je vkus čistě osobní preferencí, nebo existuje způsob, jak říci, že jedna věc je objektivně lepší než druhá. Immanuel Kant na to navázal konceptem Sensus Communis — společného smyslu. Skutečný vkus podle něj není náhodná individuální preference, jako když máte radši vanilku než čokoládu. Skutečný vkus je schopnost posoudit věc podle toho, jak ji přijme komunita. Je to předvídání konsenzu.
Aplikováno na vědu to mění pravidla hry: vědecký vkus není o tom, co přijde zajímavé vám osobně. Je to schopnost navrhovat nápady, které širší vědecká komunita časem vyhodnotí jako zásadní. Nepředpovídáte svůj vlastní názor — předpovídáte verdikt tisíců lidí, kteří se k tomu ještě nevyjádřili. Pro stroj jde o úplně jiný typ problému: nauč AI modelovat to, čeho si cení komunita.
Metoda RLCF: učení z kolektivního verdiktu vědy
K trénování AI na vědeckém vkusu jsou potřeba data — místo, kde vědecká komunita zaznamenává svůj kolektivní verdikt ve formě čitelné pro stroj. Tým z Fudanu ho našel v citacích. Citace jsou dlouhodobý zpětnovazební mechanismus vědy: když je dobrý nápad opravdu dobrý, ostatní vědci na něm staví a citují ho. Po letech je vysoce citovaný článek kolektivním prohlášením oboru — tohle s námi pohnulo, tohle byl dobrý nápad.
Klasické posilované učení by vyžadovalo špičkové vědce s doktorátem, kteří by hodnotili tisíce projektů od AI — a to by stálo víc než výzkum samotný. Tým Fudanu toto úzké hrdlo obešel: vytvořili dataset nazvaný SciJudge Bench s 700 000 dvojicemi vědeckých abstraktů. V každé dvojici byl jeden článek s vysokým počtem citací a druhý bez nich — přičemž oba pocházely ze stejného podoboru a byly publikovány ve stejném období. Tím se eliminoval vliv módních vln nebo disciplinárního štěstí. Jediná proměnná byl samotný nápad — ta neviditelná kvalita, díky níž na jednom stálo za to stavět a druhý bylo lepší zapomenout.
Tento tréninkový rámec nazvali RLCF (Reinforcement Learning from Community Feedback). Místo hrstky lidských hodnotitelů se AI učila z kolektivního a historického úsudku celého vědního oboru za několik desetiletí.
Dva modely: soudce a myslitel
Pomocí RLCF tým postavil dva různé modely. První je vědecký soudce — evaluátor s 30 miliardami parametrů. Přečte dva abstrakty a předpovídá, který bude mít větší dopad — ne pomocí klíčových slov, ale pochopením strukturálních vlastností nápadů, které komunita považuje za cenné. Je to jako trénink hudebního producenta: po stovkách tisíc srovnání písniček ze stejného žánru a týdne získá producent uši na hity — ne pamětí, ale vnitřním pochopením vzorce.
Druhým modelem je vědecký myslitel — generátor nápadů. Dostane čerstvý objev a navrhne, kudy by se výzkum mohl ubírat dál. Soudce ohodnotí návrh cílenou kritikou a myslitel ho upraví. Smyčka se uzavírá, nápady jsou postupně lepší.
Názorný příklad ze studie: soudce dostal dva články z počítačových věd. Článek A představil PointNet++ — specializovaný algoritmus pro 3D bodová mračna. Článek B představil Open3D (2018) — open source knihovnu pro zpracování 3D dat, tedy infrastrukturu. AI správně předpověděla, že Open3D nasbírá mnohem víc citací: základní sdílené nástroje táhnou celý ekosystém, zatímco specializovaný nástroj řeší jen konkrétní problém.
Přenos vkusu napříč obory a limity systému
Celý dataset SciJudge Bench tvořily pouze články z počítačových věd — model se trénoval výhradně na nich. Výzkumníci ho pak otestovali na matematice, fyzice a biologických článcích z preprintového serveru bioRxiv. Sémantická propast mezi abstraktem z IT a biologie je obrovská: jeden mluví o architekturách a benchmarkách, druhý o proteinech a konzervovaných drahách. A přesto se vkus přenesl. Model přesně předpověděl, které biologické články budou citovanější, přestože během tréninku pravděpodobně na slovo protein ani nenarazil. Dokázal dokonce odhadnout hodnocení lidských recenzentů na velkých konferencích, ačkoli se učil jen z dat o citacích.
Vysvětlení je v metastruktuře. Pod slovní zásobou různých oborů model rozpoznal strukturální rysy dobrého nápadu — to, čemu počítačové vědy říkají modularita, odpovídá tomu, čemu biologie říká konzervované dráhy. Dobrý nápad má bez ohledu na obor určité vlastnosti, a ty se dají naučit. Model byl testován i v čase: tréninkovou hranicí byl rok 2024, testování probíhalo na článcích z roku 2025 — věcech, které v době tréninku ještě neexistovaly. Dokázal přesně posoudit budoucnost.
Tento systém má zásadní omezení — výzkumníci ho pojmenovali jako problém spícího článku. Katalin Karikó v 90. letech prováděla základní výzkum mRNA technologie. Granty jí zamítali, její články nikdo nečetl. O desetiletí později se tato práce stala základem vakcín proti covidu-19 a Karikó dostala Nobelovu cenu. Kdyby AI z Fudanu v roce 1995 hodnotila její žádost o grant, dala by jí mizerné skóre — vědecká komunita tehdy nedokázala tuto práci ocenit, a systém se učí právě z toho, co komunita umí odměnit. Je ze své podstaty slepý k nápadům, které existují dříve, než je konsenzus vůbec možný.
Co nám výzkum říká o vkusu samotném
Toto omezení ale paradoxně odhaluje něco důležitého o vkusu jako takovém. Po staletí jsme ho považovali za mystickou auru, dar, vrozenou věc — buď ten instinkt máte, nebo nemáte. Tento výzkum ukazuje, že vkus přinejmenším v rámci zavedených pravidel není žádné kouzlo. Je to rozpoznávání vzorců v masivním měřítku. Je to výsledek hlubokého vstřebání toho, čeho si konkrétní komunita v průběhu času cení. Stroj se to naučí studiem 700 000 párů abstraktů. Člověk se to naučí vědomým studiem struktury prací ve svém oboru — ne toho, co bylo zrovna v módě, ale toho, co se citovalo, čemu se lidé vraceli a na čem stavěli o dvacet let později. Vkus se dá naučit.
Propast mezi vykonáváním a souzením — mezi vygenerováním a vědomím toho, co stojí za to vygenerovat — byla dosud možná největším zásekem ve vědecké AI. Tento výzkum tuto propast zmenšuje: ne tím, že by dal AI vlastní názory, ale tím, že ji naučil modelovat verdikt komunity dříve, než ho ta komunita stihne vynést. Systém rozklíčoval kolektivní vědecký úsudek lidstva — vzorce toho, co nám přišlo cenné, na čem jsme stavěli a co jsme zavrhli.
Modely vědeckých myslitelů jsou navrženy tak, aby sypaly nápady neuvěřitelnou rychlostí — odvážněji než člověk. Co se stane, až takový myslitel navrhne něco tak daleko před naším kolektivním vnímáním, že to náš vkus nebude schopen rozpoznat? Půjdeme dál. Ne proto, že by ten nápad byl špatný, ale proto, že si náš vkus na taková území ještě nezvyknul. Stroj se naučil náš vkus. Otázka je, zda náš vkus udrží krok s tím, co nám ten stroj dokáže navrhnout.
