מחשוב מדעי בעידן של agentic AI

מחשוב מדעי הוא נדבך מרכזי במחקר המודרני באקדמיה ובתעשייה. אולם התוכנות הדרושות לניתוח מידע מדעי מתקשות להדביק את הקצב המהיר שבו נוצרים נתונים. כלי מחקר נפוצים רבים החלו כקוד נלווה למאמר מחקרי, שפותח בידי צוותים אקדמיים קטנים עם ניסיון מוגבל בהנדסת תוכנה ומעט מאוד זמן לאריזה, לבדיקות, לאופטימיזציה או לתמיכה לאורך זמן. התוצאה היא תשתית מדעית שלעיתים קרובות נשענת על תהליכי עבודה איטיים ומועדים לתקלות, הדורשים תחזוקה מתמדת. המגבלות האלה מאטות את קצב התגליות.

סוכני בינה מלאכותית מתחילים לשנות את המצב. באמצעות הפחתת העלויות של עבודת הפיתוח ונטילת משימות מימוש מייגעות, הם יכולים לעזור לחוקרים ליצור אבות־טיפוס לרעיונות מהר יותר, לקדם פרויקטים שבעבר לא היו מעשיים ולתחזק תוכנות בקלות רבה יותר לאורך זמן. כתוצאה מכך, התוכנות המדעיות נעשות יעילות יותר ומתוחזקות טוב יותר, והחוקרים מתפנים להקדיש יותר זמן לתגליות.

אנחנו משתפים דוח ראשוני מהשטח על שמונה פרויקטים של מחשוב מדעי שנעזרו בסוכנים, בעיקר במדעי החיים: חמישה השתמשו ב־Codex בלבד, ושלושה בשילוב של Codex ו־Claude Code. הדוח מאגד מקרי בוחן שכתבו הצוותים שמאחורי כל פרויקט ומזהה בהם מגמות חוזרות. הפרויקטים נעים מתחזוקה שוטפת ואופטימיזציה ממוקדת ועד מעבר רחב היקף בין שפות תכנות ותכנון מחדש המותאם מלכתחילה למעבדים גרפיים. הכותבים מדווחים שהסוכנים האיצו משמעותית את פיתוח התוכנה ואת תחזוקתה, ובמקרים מסוימים עזרו לצוותים קטנים לבצע עבודה שאחרת הייתה דורשת זמן רב בהרבה או סיוע של מומחים בהנדסת תוכנה. עם זאת, הם מדגישים גם את האתגר המתמשך של הגדרת אחריות ברורה לטווח ארוך על הכלים שנוצרו ועל ניהולם.

הכותבים מתארים שוב ושוב שינוי בתפקיד החוקרים: ממימוש לאימות ולתיאום העבודה — הגדרה של מה צריך לבנות, כיצד למדוד את נכונות התוצאות ומתי הפרויקט מוכן להפצה. במתכונת המתפתחת הזו, החוקרים ממשיכים לקבוע את הכיוון המדעי ואת רף האיכות, אך נהנים מהאצה בזכות סיוע אג'נטי

למרות ההבדלים הגדולים בהיקף הפרויקטים, הם הראו שסוכני תכנות מצמצמים את המגבלות שמציבים הצורך בעבודת פיתוח ובמומחיות הנדסית בתחום המחשוב המדעי. כעת, צוואר הבקבוק הוא אימות התוצר של סוכן הבינה המלאכותית — משימה שעדיין תלויה בשיקול דעת אנושי.

במקרי הבוחן השונים, הסוכנים טיפלו ביעילות בבקשות ממוקדות ומוגדרות היטב, אך לא הצליחו לקבוע באופן אמין אם עבודתם תקפה מבחינה מדעית או עומדת בציפיות. למעשה, הסוכנים הפגינו לעיתים קרובות ביטחון גם כשהעבודה שלהם כללה שגיאות ברורות. לכן, הבודקים האנושיים נדרשו למצוא דרכים אמינות לאימות התוצאות. הגישות המוצלחות ביותר השתמשו בנקודת ייחוס חיצונית או בקריטריון קבלה מדיד, כגון התאמה מדויקת של הפלט, שקילות לכלי קיים, התנהגות סטטיסטית מתאימה או תשובות שנקבעו מראש באמצעות נתונים מדומים.

מגמה חוזרת נוספת הייתה שהפרויקטים התקדמו בדרך כלל בשלבים, בסבבי עבודה המבוססים על משוב, ולא בגישות one-shot. הכותבים פירקו יעדים רחבים לשינויים קטנים יותר, ולאחר מכן השתמשו במבחני ביצועים בשלבי ביניים ובמערכות בדיקה כדי להעריך ולשפר את עבודת הסוכנים. הסוכנים יצרו לעיתים קרובות מימושים ראשוניים במהירות, אך הטיפול במקרי קצה ובהבדלים מספריים דקים דרש זמן רב בהרבה. השלמת ״הישורת האחרונה״ של המימוש דרשה לעיתים קרובות את מרב העבודה.

בסיכומו של דבר, מקרי הבוחן האלה מצביעים על כך שסוכנים מאפשרים לחוקרים להקדיש פחות זמן למימוש ויותר זמן להכוונת העבודה המדעית. בני האדם מגדירים את היעד, מפרקים פרויקטים מורכבים לחלקים שאפשר לנהל ובוחנים אם התוצאות תקפות מבחינה מדעית. באמצעות הקלת מגבלות הנדסיות ותיקות, הסוכנים מרחיבים את מה שחוקרים יכולים לבנות, ובה בעת מפנים אותם להתמקד בשאלות ובהחלטות המדעיות החשובות ביותר.

הפערים בתחזוקת תוכנות מחקר מאטים זה זמן רב את מחזורי הפיתוח ומגבילים את יכולת השחזור ואת האמינות. מחקרים שפורסמו על ״קוד מחקרי⁠(נפתח בחלון חדש)״ ועל כלי אומיקה⁠(נפתח בחלון חדש) מצאו שתוכנות שפורסמו לעיתים קרובות אינן מותקנות כראוי בסביבת מחשוב חדשה או אינן פועלות כמתואר בתיעוד, מה שמאלץ חוקרים להקדיש זמן ניכר להגדרות ולאיתור ותיקון תקלות. אפילו שיפורים שגרתיים יכולים לחסוך לחוקרים זמן ולהפחית את צורכי המחשוב, ואילו ארגון מחדש של הקוד ושכתובים הממוקדים בביצועים יכולים להניב שיפורים גדולים יותר.

אבל עלויות מימוש נמוכות יותר גם מקלות על יצירת שכתובים דומים רבים. כך קהילת המשתמשים מתפצלת, ותשומת הלב של המומחים, הנדרשת לשמירה על אמינותו של כל כלי, מתפזרת בין כלים רבים. לכן, אחריות לאורך זמן ומתן קרדיט ליוצרים הם חיוניים. תוכנות מדעיות ותיקות ובשלות נושאות עימן מוסכמות לא מתועדות, דרישות תאימות ואמון של המשתמשים — דברים שתרגום קוד המקור לבדו אינו יכול לשחזר.

מקרי הבוחן ממחישים כמה דרכים אפשריות להתקדם. השינויים ב־MHCflurry וב־cyvcf2 שולבו בפרויקטי המקור שלהם, ואילו rustar-aligner עבר לאחריות קהילה חדשה משום שהפרויקט המקורי ננטש. כאשר אפשר לתאם עם הגורמים שכבר מתחזקים את הפרויקט, כדאי להתחיל בכך מוקדם ככל האפשר. כאשר נדרש מימוש נפרד, צריך להגדיר בבירור מי אחראי עליו ולגבש תוכנית תחזוקה אמינה. בלי אלה, השכתוב המודרני של היום עלול להפוך לקוד הנטוש של מחר, במקום לתשתית מדעית אמינה.

דוח השטח הזה הוא סקירה ראשונית בדיעבד, אך מקרי הבוחן מצביעים על שינוי מעשי באופן שבו מפתחים תוכנות מדעיות. סוכני תכנות כמו Codex יכולים להפחית משמעותית את העלות של תחזוקה, הסבה, אופטימיזציה ומימושים חדשים. הערך המדעי שלהם בטווח הארוך עדיין תלוי בהחלטות אנושיות: מה לבנות, איך לאמת זאת ומי יתחזק את התוצר. השינוי העמוק יותר אינו רק שחוקרים יכולים לייצר יותר תוכנות, אלא שהם יכולים למקד יותר ממאמציהם בהגדרת הכלים, באימותם ובניהולם לאורך זמן.

מקרי הבוחן האלה מראים שסוכנים כבר יכולים להאיץ את קצב מחזורי הפיתוח במחשוב מדעי. ככל שסוכני התכנות ישתפרו, חוקרים יוכלו להקדיש פחות זמן לשמירה על תהליכי הניתוח במצב תקין, ויותר זמן לקידום תחומי המחקר שלהם.