La computació científica en l’era de la IA agentiva

La computació científica és un pilar fonamental de la recerca moderna tant en l’àmbit acadèmic com en la indústria. Tanmateix, el programari necessari per analitzar informació científica no ha pogut seguir el ritme accelerat de generació de dades. Moltes eines de recerca d’ús generalitzat van néixer com a codi complementari d’un article científic, creat per petits equips acadèmics amb poca experiència en enginyeria i gairebé sense temps per empaquetar-lo, provar-lo, optimitzar-lo o mantenir-lo a llarg termini. El resultat és una infraestructura científica que sovint depèn de fluxos de treball lents i fràgils que exigeixen un manteniment constant. Aquestes limitacions frenen el ritme dels descobriments.

Els agents d’IA comencen a canviar aquesta situació. En reduir els costos de la feina d’enginyeria i assumir tasques d’implementació tedioses, poden ajudar els investigadors a crear prototips més ràpidament, emprendre projectes que abans no eren viables i mantenir el programari a llarg termini amb més facilitat. Així, el programari científic esdevé més eficient i rep un millor manteniment, cosa que permet als investigadors dedicar més temps als descobriments.

Compartim un informe de camp exploratori sobre vuit projectes de computació científica assistits per agents, principalment en ciències de la vida: cinc que només fan servir Codex i tres que combinen Codex i Claude Code. L’informe aplega estudis de cas escrits pels equips responsables de cada projecte i identifica temes recurrents. Els projectes abasten des del manteniment rutinari i l’optimització específica fins a migracions de llenguatge a gran escala i redissenys natius per a GPU. Segons els col·laboradors, els agents van accelerar considerablement el desenvolupament i el manteniment del programari i, en alguns casos, van ajudar equips petits a assumir feines que altrament haurien exigit molt més temps o suport especialitzat d’enginyeria. Però també destaquen el repte persistent d’establir una responsabilitat i una gestió clares i duradores per a les eines resultants.

Els col·laboradors descriuen sistemàticament un canvi en el paper dels investigadors, que passen de la implementació a la verificació i l’orquestració: especifiquen què cal crear, defineixen com mesurar-ne la correcció i decideixen quan el projecte està a punt per publicar-se. En aquest model emergent, els investigadors mantenen el control de l’orientació científica i dels criteris de qualitat, però guanyen velocitat gràcies a l’assistència agentiva.

Tot i que els projectes tenien abasts molt diversos, van demostrar que els agents de programació fan que la feina i els coneixements d’enginyeria siguin una limitació menor en la computació científica. Ara, el coll d’ampolla és validar els resultats d’un agent d’IA, una tasca que encara depèn del criteri humà.

En tots els estudis de cas, els agents van gestionar eficaçment peticions específiques i ben delimitades, però no podien determinar de manera fiable si la feina era científicament vàlida o complia les expectatives. De fet, els agents sovint es mostraven segurs fins i tot quan la feina contenia errors evidents. Per tant, els revisors humans havien de trobar mètodes fiables per validar els resultats. Els enfocaments més sòlids utilitzaven una referència externa o un objectiu d’acceptació mesurable, com ara la coincidència exacta dels resultats, la paritat amb una eina existent, un comportament estadístic adequat o respostes establertes prèviament mitjançant dades simulades.

Un altre tema recurrent era que, en general, els projectes avançaven per etapes mitjançant iteracions guiades pels comentaris, en lloc d’aplicar enfocaments d'un sol intent. Els col·laboradors van dividir els objectius generals en canvis més petits i després van utilitzar proves de rendiment intermèdies i sistemes de proves per avaluar i perfeccionar la feina dels agents. Els agents sovint generaven implementacions inicials ràpidament, però resoldre els casos extrems i les diferències numèriques subtils requeria molt més temps. Completar l’"últim tram" d’una implementació solia ser la part més laboriosa.

En conjunt, aquests estudis de cas indiquen que els agents permeten als investigadors dedicar menys temps a la implementació i més a dirigir la tasca científica. Les persones defineixen l’objectiu, divideixen els projectes complexos en parts manejables i determinen si els resultats són científicament vàlids. En alleujar limitacions d’enginyeria persistents, els agents amplien allò que els investigadors poden crear i els permeten centrar-se en les qüestions i decisions científiques més importants.

La manca de manteniment del programari de recerca fa temps que alenteix les iteracions i en limita la reproductibilitat i la fiabilitat. Estudis publicats sobre el "codi de recerca⁠(s'obre en una finestra nova)" i les eines òmiques⁠(s'obre en una finestra nova) han constatat que el programari publicat sovint no s’instal·la correctament en un entorn informàtic nou o no funciona tal com s’ha documentat, fet que obliga els investigadors a dedicar molt de temps a configurar-lo i depurar-lo. Fins i tot les millores rutinàries poden estalviar temps als investigadors i reduir les necessitats de computació, mentre que la refactorització i les reescriptures orientades al rendiment poden aportar beneficis més grans.

Però la reducció dels costos d’implementació també facilita la creació de moltes reescriptures semblants, fet que fragmenta els usuaris i dispersa l’atenció experta necessària per mantenir fiable cadascuna de les eines. Això fa que la gestió i l’atribució a llarg termini siguin essencials. El programari científic madur incorpora convencions no documentades, requisits de compatibilitat i la confiança dels usuaris, aspectes que no es poden reproduir només traduint el codi font.

Els estudis de cas il·lustren diversos camins possibles per avançar. Els canvis a MHCflurry i cyvcf2 es van incorporar als projectes originals, mentre que rustar-aligner va passar a mans de la comunitat perquè el projecte original havia estat abandonat. Quan sigui possible coordinar-se amb els responsables de manteniment existents, cal fer-ho com més aviat millor. Quan calgui una implementació independent, ha de tenir un responsable clar i un pla de manteniment creïble. Sense això, la reescriptura moderna d’avui pot esdevenir el codi abandonat de demà, en lloc d’una infraestructura científica fiable.

Aquest informe de camp és retrospectiu i exploratori, però els estudis de cas apunten a un canvi pràctic en la manera de desenvolupar programari científic. Els agents de programació com Codex poden reduir considerablement el cost del manteniment, la migració, l’optimització i les noves implementacions. El seu valor científic a llarg termini encara depèn de decisions humanes sobre què cal crear, com verificar-ho i qui ho mantindrà. El canvi més profund no és només que els investigadors puguin produir més programari, sinó que poden dedicar més esforços a definir, validar i gestionar les eines.

Aquests estudis de cas mostren que els agents ja poden accelerar el ritme d’iteració en la computació científica. A mesura que millorin els agents de programació, els investigadors podran dedicar menys temps a mantenir en funcionament les cadenes d’anàlisi i més a impulsar els seus àmbits.