Věda v rukou AI: První článek umělé inteligence prošel recenzním řízením

Umělá inteligence předložila první studii, kterou vytvořila zcela bez lidského zásahu. Program The AI Scientist, který představila japonská společnost Sakana AI, si umí sám navrhnout hypotézu, projít dosavadní literaturu, následně provést experiment a vytvořit na základě něj odbornou studii. Ta dále putuje k dalšímu systému AI, který ji kriticky ohodnotí. 

Recenzenti v řízení tuto studii neodhalili jako generovanou umělou inteligencí, a tak řízením s obstojným výsledkem prošla, následně však byla stažena. Co to pro vědu znamená? A jak dlouho ještě bude věda potřebovat skutečné lidi? Mění tato skutečnost roli vědce?

Bez lidského přičinění

Celý proces tohoto autonomního vědeckého výzkumu začíná fází navrhování a rešerše, během které umělá inteligence generuje hypotézy, jak již informovala také Česká televize. Aby systém předešel zbytečnému „objevování kola“, v reálném čase se připojuje k akademické databázi Semantic Scholar. Zde porovnává své návrhy s miliony existujících studií a jakmile zjistí, že dané téma již bylo zpracováno, nápad okamžitě zavrhne a hledá dál, dokud nenajde neprobádanou oblast.

Když je směr výzkumu schválen, přechází systém do experimentální fáze. AI začne samostatně psát kód v jazyce Python a spouštět potřebné simulace. Klíčovým prvkem je zde schopnost sebereflexe: pokud program narazí na chybu (bug), algoritmus ji sám diagnostikuje a opraví. Využívá k tomu takzvané „agentní stromové vyhledávání“, což mu umožňuje modelovat různé varianty řešení a větvit postupy tak dlouho, dokud nedosáhne validního výsledku.

Po úspěšném dokončení experimentů a analýze dat následuje psaní článku. V této fázi AI v sázecím systému LaTeX zformátuje kompletní vědeckou studii včetně metodiky, diskuse a profesionálně vyhlížejících grafů. Systém navíc sám vyhledává a doplňuje relevantní citace, čímž zasazuje výsledky do kontextu současného vědeckého vědění. 

Posledním krokem před odevzdáním práce lidským odborníkům je peer review. Prakticky to znamená, že další AI hodnotí práci našeho AI vědce. Článek projde vnitřní kontrolou prostřednictvím specializovaného algoritmu, který simuluje roli přísného editora. Tento digitální recenzent hodnotí logickou návaznost a kvalitu argumentace, přičemž autorovi (primární AI) navrhuje konkrétní zlepšení, čímž maximalizuje šanci na úspěšné přijetí studie v prestižních vědeckých kruzích.

Přečtěte si také

Generativní AI jako nová digitální gramotnost

Podobně, jako se před několika desetiletími stala samozřejmostí znalost práce s kancelářským softwarem, stává se dnes standardem schopnost smysluplně využívat nástroje generativní AI, reprezentované například ChatGPT, Gemini či specializovanějšími aplikacemi. Akademie věd se prostřednictvím své Strategie AV21 a jejího programu AI: Umělá inteligence pro vědu a společnost rozhodla uspořádat pro vědce sérii workshopů pro výzkumníky s Michaelou Liegertovou. 

Úspěch v mezinárodním srovnání

Program vytvořil celkem tři studie, které společnost předložila k peer review. Do žádné z nich přitom nezasáhli lidé. „Dohodli jsme se s organizátory workshopu ICLR, že do workshopu předložíme k recenznímu řízení 3 články vygenerované umělou inteligencí. Recenzenti byli informováni o možnosti a pravděpodobnosti, že články, které recenzují, mohou být vygenerovány umělou inteligencí, ale nebylo jim sděleno, zda jsou jim přidělené články skutečně tohoto druhu, či nikoli,“ uvedla společnost Sakana.

Dvě z předložených studií recenzním řízením neprošly, třetí s hodnocením 6,33 však předběhla některé studie předložené lidmi. Přestože tento výsledek nevyniká, značí velký posun ve využití umělé inteligence v oblasti vědy. „Věříme, že příští generace 'The AI Scientist' odstartují novou éru vědy. To, že AI dokáže vygenerovat celý článek, který obstojí v recenzním řízení na špičkovém workshopu, je velmi slibným raným znamením pokroku,“ uvedli autoři článku, který vyšel v časopise Nature.

Samotná studie se věnovala tzv. kompoziční regularizaci. Jedná se o techniku, která by měla neuronové sítě naučit lépe chápat složité koncepty skládáním jednodušších prvků. Přestože AI došla k negativnímu výsledku, tedy, že její navržená metoda v praxi nepřinesla očekávané zlepšení, recenzenti práci ocenili pro její metodickou přesnost a schopnost detailně analyzovat příčiny neúspěchu experimentu. 

Autoři studii nechali hned poté stáhnout a nebude tak viditelná ve veřejném OpenReview. „Pro účely tohoto konkrétního experimentu jsme se s organizátory ICLR dohodli, že články vygenerované umělou inteligencí budou vyřazeny z dalšího posuzování a po dokončení recenzního řízení budou automaticky zamítnuty bez dalšího posouzení,“ vysvětluje Sakana AI.

Přečtěte si také

Ondřej Havelka: Rychlejší publikace, méně průlomů. Je to cena za AI ve vědě?

Umělá inteligence se rychle stala nedílnou součástí moderní vědy. Přináší rychlost, efektivitu a zvyšuje dopad jednotlivých vědců. Ale za touto technickou efektivitou se skrývá jemně znepokojivý fenomén, který může postupně změnit dlouhodobý trend ve vědeckých výstupech.

Rizika, limity a role člověka

I přes dobré výsledky programu tým upozorňuje, že AI i v tomto případě stále trápí halucinace: může chybně citovat nebo si oblíbí některá čísla, která pak nesprávně opakuje. Program je proto dosud nutné kontrolovat. Etickým rizikem je podle autorů přehlcení recenzentů obrovským množstvím generovaných textů. Mohly by se tak ztratit skutečně průlomové objevy „lidských“ vědců, nebo by mohlo dojít k umělému navyšování citací.

Odborníci se shodují, že role vědce se bude muset transformovat. Michaela Liegertová z Přírodovědecké fakulty Univerzity Jana Evangelisty Purkyně a expertka na implementaci AI do akademického prostředí k tomu podotýká: „Z pohledu biomedicíny si nemyslím, že vědci zmizí. Změní se ale to, co bude jejich hlavní práce. Dnes už nejsme omezeni tím, že bychom měli málo dat. Problém je přesně opačný, máme jich tolik, že je žádný člověk nedokáže sám všechny přečíst, propojit a promyslet. Vědci tak budou méně času trávit mechanickým dohledáváním informací a více času formulací dobrých otázek, výběrem kvalitních dat a ověřováním výsledků.“ Liegertová tak vnímá AI jako účinný nástroj, který má vědci pomoci „prokousat” se kvanty dat, která v dnešní době máme.

Molekulární genetik Jan Pačes doplňuje, že v oborech o životě je změna nevyhnutelná kvůli enormnímu množství heterogenních dat. Zároveň ale upozorňuje na negativní důsledky: „Mladí vědci dnes mohou stát  před dilematem: proč se dnes učit programovat a chápat algoritmy, když to AI udělá lépe? Bez důkladného znalostního základu, jak půjde přemýšlení? Jak půjde generování nápadů?“ Podle něj ale právě AI přináší nové možnosti vědcům, kteří mají ve svém oboru přehled, umí k vědě kriticky přistupovat, ale zároveň si práci zefektivnit novými technologiemi.

Umělá inteligence umí posloužit vedle výzkumu také k jeho následné komunikaci. Publikace a popularizace se stále častěji stávají součástí projektů a instituce se otázkou vědecké komunikace musí také častěji zabývat. (O tom, jak AI lze využít pro science communication a PR se dozvíte na našem workshopu AI efektivně s Lukášem Eršilem, který proběhne již 12. května 2026 a ještě se na něj můžete přihlásit, pozn. red.)

Přečtěte si také

Využívejte AI v komunikaci vědy, jak na to se dozvíte na našem workshopu

Svět generativní umělé inteligence se mění doslova týden po týdnu. Převést složitou vědeckou studii do podoby tiskové zprávy, grafiky nebo videa už nemusí trvat dny, ale jen desítky minut. Portál VědaVýzkum.cz vás zve na workshop s Lukášem Eršilem pro PR pracovníky ve výzkumu, který proběhne 12. května 2026 v Praze.

Budoucnost v hybridním využití

Co se týče budoucího využití, vědci ze Sakana AI věří, že navzdory rizikům může AI vědu demokratizovat a dramaticky urychlit. Předpokládají, že se systém v budoucnu přesune od čistě počítačových simulací k řízení robotických laboratoří v biologii a chemii. Cílem však není nahradit lidské badatele, ale vytvořit hybridní model.

„V praxi by to podle mě mělo vypadat tak, že AI nejprve pomůže zmapovat, co už víme, jaká data máme k dispozici a které hypotézy stojí za prověření. Potom může rychle prozkoumat více možností najednou a vytvářet první návrhy souvislostí nebo vysvětlení,“ říká Liegertová. Práce výzkumníka pak spočívá v kontrole výsledků. Je tak nutné méně mluvit o „autonomním vědci“ a více budovat postupy, ve kterých AI pomáhá rozšiřovat záběr. Člověk má stále odpovědnost za kvalitu a správnost závěrů.

O tom, že umělá inteligence sehraje nespornou roli ve vědě a výzkumu, svědčí také iniciativy Evropské unie, která se snaží o kompromis mezi jejím využitím a regulací. Vedle zavedení AI Actu vznikl při Evropské komisi také Evropský úřad pro umělou inteligenci (AI Office), které mají sloužit k regulaci a transparentnosti užívání AI. Naproti tomu se umělá inteligence stává součástí širší debaty o investicích a budoucí podobě 10. rámcového programu (FP10) i Evropského fondu pro konkurenceschopnost (ECF).

Jak budeme AI kontrolovat?

Na otázku, zda vůbec lze kontrolovat výzkumy AI s ohledem na jejich potenciální množství, odpovídá Michaela Liegertová: „Čistě ručně kontrola už dnes v mnoha oblastech zvládnout nejde. Objem publikací a dat je tak velký, že lidský výzkum bez pomoci nástrojů přestává být udržitelný. Zároveň ale nefunguje ani opačný extrém, nechat AI vytvořit stovky výstupů a doufat, že je někdo poctivě projde. To by byla ztráta kontroly.“

Budoucnost vědy tedy pravděpodobně nebude stát na vědci na jedno kliknutí, ale na dobře sehrané spolupráci. „AI pro šíři záběru, člověk pro směr, opatrnost a odpovědnost,“ uzavírá Liegertová. Aby se tento potenciál naplnil zodpovědně, vyzývají autoři systému The AI Scientist k urychlenému vytvoření nových norem pro deklarování podílu AI na vědecké práci.