Consensus GPT‑5 болон Responses API ашиглан хэдэн долоо хоногийн судалгааг хэдхэн минутад гүйцэтгэдэг

Жил бүр сая сая шинэ шинжлэх ухааны өгүүлэл нийтлэгддэг бөгөөд үүнийг ганц хүн бүгдийг нь унших боломжгүй.

Эрдэмтдийн хувьд сорилт нь мэдлэгт хүрэхэд биш, харин түүнийг олох, тайлбарлах, хооронд нь холбох асар их ачаалалд оршдог. Нээлтүүд мэдэгдэж буй зүйлийн зах хязгаарт бий болдог ч судлаачид түүнийг даван туулахын оронд ихэнх цагаа тэр захыг олоход зарцуулдаг.

Consensus⁠(шинэ цонхонд нээгдэнэ) нь 8 сая гаруй хүний ашигладаг судалгааны туслах бөгөөд үүнийг өөрчлөхөөр бүтээгдсэн. Christian Salem, Eric Olson нарын үүсгэн байгуулсан энэ платформ 220 саяас дээш өгүүллийг хамарсан, шүүмжлэн магадалсан бүтээлүүдийг хайж, уншиж, нэгтгэдэг. Түүний хамгийн шинэ боломж болох Scholar Agent нь GPT‑5 болон Responses API дээр суурилсан олон агенттай систем юм. Энэ нь судлаачид бодитоор хэрхэн ажилладгийг тусгаж, асуултаас дүгнэлт хүртэлх замыг хэдэн долоо хоногийн оронд хэдхэн минутад туулхад тусалдаг.

Гэхдээ зорилго нь зөвхөн илүү хурдан судалгаа биш, харин нээлтэд хүрэх илүү хурдан зам юм. Salem: «Шинжлэх ухаан илүү хүртээмжтэй болох тусам урагшилдаг. Бидний ажил бол хаана ч байгаа судлаачдад нотолгоог олох, итгэх, түүнд үндэслэн үйлдэх боломж олгох явдал» гэжээ.

Consensus-ийн эхний хувилбар нь шинжлэх ухааны босоо хайлтын систем шиг ажилладаг байсан: академик өгүүллүүдийг индексжүүлж, холбогдох үр дүнг гаргаж, ишлэлд тулгуурласан хураангуй үүсгэдэг байв. Гэхдээ хайлт дангаараа хангалтгүй байлаа.

Salem: «Судалгаа гэдэг зөвхөн өгүүлэл олох биш. Энэ нь үр дүнг тайлбарлах, олдворуудыг харьцуулах, санаануудыг холбох тухай юм. Эрдэмтэд зөв судалгааг олохын тулд өнгөрсөн мэдлэгийг хайж, уншиж, тайлбарлахад илүү их цаг зарцуулах тусам жинхэнэ судалгаа хийж, шинэ нээлт хийх цаг нь багасдаг» гэжээ.

Ингээд баг Consensus-ийг шинэ ойлголтын эргэн тойронд дахин архитектурчлахаар эхэлсэн нь хүний судлаач шиг ажилладаг «Scholar Agent» нэртэй олон агенттай систем байв.

GPT‑5 болон Responses API дээр суурилсан энэ систем одоо агентуудын уялдуулсан ажлын урсгалыг ажиллуулж байна:

• Planning Agent нь хэрэглэгчийн асуултыг задалж, дараа нь ямар үйлдэл хийхээ шийддэг
• Search Agent нь Consensus-ийн өгүүллийн индекс, хэрэглэгчийн хувийн сан, ишлэлийн графыг самнадаг
• Reading Agent нь өгүүллүүдийг нэг бүрчлэн эсвэл багцаар нь тайлбарладаг
• Analysis Agent нь үр дүнг нэгтгэж, бүтэц ба дүрслэлийг тодорхойлон, эцсийн гарцыг бүрдүүлдэг

Агент бүр нарийн хүрээтэй үүрэгтэй тул сэтгэн бодох нь илүү нарийвчлалтай байж, хий үзэгдэл маягийн алдааг багасгадаг. Энэ архитектур нь мөн Consensus-д хэзээ хариулах ёстой биш вэ гэдгийг шийдэх боломж олгодог; хэрэв холбогдох судалгаанууд нь чанарын босгыг давахгүй бол туслах зүгээр л тэгж хэлдэг.

Salem: «Ажлын урсгалыг агентуудын хооронд хувааснаар бид алдааг бууруулж, системийг хавьгүй илүү сахилга баттай болгодог. Ямар ч агент хэт их хариуцлага үүрдэггүй нь найдвартай байдлын гол түлхүүр болдог» гэжээ.

Энэ арга барилыг баг context engineering гэж нэрлэдэг: үүсгэлт эхлэхээс өмнө зөв нотолгоог цуглуулах. Хариулт бүр «судалгааны контекст багц»-тай ирдэг бөгөөд энэ нь эх судалгаанууд руу мөрдөн очих боломжтой өгүүлэл, мета өгөгдөл, гол олдворуудын бүтэцтэй багц юм.

Salem: «Бид судлаачдыг мэдэгдэл бүрийг давхар шалгахад цагаа үрэхийг хүсэхгүй байна. Хэрэв систем бодит нотолгоонд тулгуурлан хариулт гаргаж чадахгүй бол өөрөөсөө зохиохгүй» гэжээ.

Consensus олон агентын чиглүүлэлтийг дэмжихийн тулд Chat Completions-оос Responses API руу шилжсэн. Энэ өөрчлөлт нь найдвартай байдал болон өртгийн үр ашгийг хоёуланг нь сайжруулж, дэд агентын дуудлагад багт илүү нарийн хяналт өгсөн. GPT‑5‑ийн урт контексттэй сэтгэн бодох чадвар болон найдвартай хэрэгсэл дуудах боломжтой болсон тул сонголт тодорхой байв.

Эрт үеийн үнэлгээнүүд энэ сонголтыг зөв болохыг баталсан: GPT‑5 нь хэрэгсэл дуудах нарийвчлал болон төлөвлөлтийн тогтвортой байдлаар GPT‑4.1, Sonnet 4, Gemini 2.5 Pro-оос илүү үзүүлэлттэй байсан. Ингэснээр Consensus-ийн баг өгөгдлийн “акробатик”-т бага анхаарч, судалгааны ажлын урсгалтай шууд таарах агентын зан үйлийг бүтээхэд илүү төвлөрөх боломжтой болсон.

Анхнаасаа Consensus зах зээлд хүлээлтээс өөрөөр хандсан. Байгууллагуудаар дамжуулан худалдахаас илүүтэй баг судалгааг өөрөө хийж буй хүмүүс дээр төвлөрсөн: өнөөдөр л хариулт хэрэгтэй оюутнууд, багш нар, эмч нар. Судлаач руу чиглэсэн энэ шууд төвлөрөл нь бүтээгдэхүүний загвар болон хурдацтай өсөлтийг хоёуланг нь тодорхойлсон.

Salem: «Хүн бүр академик орчинд эцсийн хэрэглэгч рүү шууд очих боломжгүй гэж хэлдэг байсан, гэхдээ AI үүнийг өөрчилсөн. Хүмүүс зөвшөөрөл хүлээхээ больсон—ажилладаг зүйлийг л ашигладаг» гэжээ.

Тэр шийдвэр бүтээгдэхүүний өнгө аясыг болон өсөлтийн муруйг тодорхойлсон. Consensus нь уламжлалт академик хэрэгслээс илүү орчин үеийн хэрэглээний апп шиг санагддаг: хурдан нэвтрэлт, ойлгомжтой дизайн, харилцан ярианы интерфэйс. Хэрэглээ нь кампус, лабораториудаар ам дамжин тархсан.

Магистрант болон докторын хөтөлбөрийн оюутнууд анхны идэвхтэй хэрэглэгчид болж, дараа нь багш нар болон хувийн судлаачид дагасан. Дараа нь эмч нар орж ирсэн бөгөөд тэд өөрсдийн салбар дахь хамгийн сүүлийн нотолгоог илрүүлэхэд Consensus-ийг ашиглаж эхэлсэн.

Salem: «Бид эмч нарт зориулж бүтээнэ гэж зорьсонгүй. Гэхдээ тэдэнд судлаачидтай адил зүйл хэрэгтэй: найдвартай нотолгоонд хурдан хүрэх боломж» гэжээ.

Тус компани саяхан Mayo Clinic-ийн эмнэлгийн номын сантай гэрээ байгуулж, клиникийн нотолгоо хайж буй мэргэжилтнүүдэд зориулсан шинэ функц болох ‘Medical Mode’-ыг саяхан нэвтрүүлсэн.

Өнгөрсөн нэг жилийн хугацаанд Consensus хурдацтай өргөжин, дэлхий даяар 8 саяас илүү судлаачтай болж, орлогоо 8 дахин өсгөсөн.

Тэр өсөлт бүтээгдэхүүний тэргүүлэх чиглэлийг өөрчлөөгүй. Онцлог бүр одоо ч баталгаажуулж болох, хий үзэгдэл багатай хариултын эргэн тойронд эргэлддэг. Баг нарийвчлал, ишлэлийн мөрдөх боломж, агентууд хоорондын хэв маягийн тогтвортой байдлыг шалгадаг үнэлгээний шугамуудад ихээхэн хөрөнгө оруулсан.

Consensus-ийн архитектур санаатайгаар модульчлагдсан бөгөөд загварууд өргөжин сайжрахын хэрээр шинэ агентуудыг амархан залгах боломжтойгоор бүтээгдсэн—туршилтыг давтах, дүрс үүсгэх, эсвэл статистикийн шинжилгээ хийх агентууд гэх мэт.

Salem: «Бид хурдацтай өөрчлөгдөж буй ертөнцөд судлаачдад үнэхээр хэрэгтэй туслахыг бүтээж байна. Загварууд улам сайжирсаар, систем тэдэнтэй хамт өсөж, шинжлэх ухаан илүү хурдан урагшилж байна» гэжээ.