AI एजेंट बेसिक बायोलॉजी में क्यों फेल हो रहे हैं? असली समस्या है डेटा का 'प्लंबिंग' सिस्टम

इंसान-पहले डिज़ाइन, एजेंट-अंतिम प्रदर्शन

NCBI वायरस और कई अन्य सार्वजनिक जैविक डेटाबेस इंटरैक्टिव, ब्राउज़र-आधारित वर्कफ़्लो के लिए बनाए गए थे। वैज्ञानिक फ़िल्टर पर क्लिक करते हैं, मैन्युअल रूप से परिणामों का निरीक्षण करते हैं, और दृश्य संकेतों पर भरोसा करते हैं। यह इंटरफ़ेस लॉजिक उन स्वायत्त एजेंटों के साथ असंगत है जो संरचित, प्रोग्रामेटिक कमांड की अपेक्षा करते हैं ।

मौलिक रूप से अनिश्चित परिणाम

सबसे घातक खोज असंगति थी। जब शोधकर्ताओं ने क्लाउड सॉनेट 4 से 266 के सत्यापित आधार सत्य के विरुद्ध इबोलावायरस सीक्वेंस प्राप्त करने के लिए तीन बार कहा, तो उसने पहले प्रयास में 106, दूसरे में 15, और तीसरे में केवल 5 लौटाए। कोई प्रांप्ट नहीं बदला — केवल आउटपुट बदल गया ।

यह केवल कुछ रिकॉर्ड छूट जाने की बात नहीं है। एक सिमुलेशन में, एक दोषपूर्ण पुनर्प्राप्ति ने एक फायलोजेनेटिक विश्लेषण को इतना विकृत कर दिया कि उसने इबोला प्रकोप की उत्पत्ति का अनुमान 2014 की सही तारीख के बजाय 1922 लगाया। AI ने विज्ञान को मतिभ्रम (हैलुसिनेट) नहीं किया था — उसे एक टूटा हुआ डेटासेट खिलाया गया था और उसने कर्तव्यपूर्वक उसके ऊपर एक गलत निष्कर्ष बना लिया ।

कमजोर, खंडित बुनियादी ढांचा

जैविक डेटा दर्जनों डेटाबेस में बिखरा हुआ है, जिनमें असंगत पहचानकर्ता, विभिन्न मेटाडेटा मानक और कोई संस्करण-नियंत्रित API नहीं है। सॉफ्टवेयर इंजीनियर पैकेज मैनेजर और संस्करणित एंडपॉइंट पर भरोसा करते हैं; कम्प्यूटेशनल जीवविज्ञानी अक्सर असंगत वेब इंटरफेस के खिलाफ स्क्रिप्टिंग करने में फंसे रहते हैं जो बिना किसी सूचना के बदल जाते हैं ।

निश्चित समाधान: gget virus

एक बेहतर मॉडल को प्रशिक्षित करने के बजाय, टीम ने एक बेहतर पुनर्प्राप्ति परत का निर्माण किया। gget virus एक हल्का, निश्चित ढांचा है जो NCBI वायरस के फ़िल्टरिंग तर्क को एक पुनरुत्पादनीय प्रोग्रामेटिक सिस्टम में औपचारिक रूप देता है ।

यह सीक्वेंस डाउनलोड करने से पहले मेटाडेटा बाधाओं को लागू करके, केवल मेल खाने वाले संरचित जेनबैंक रिकॉर्ड को चुनिंदा रूप से प्राप्त करके, और उच्च-मात्रा वाले प्रश्नों के लिए डेटा स्थानांतरण को 98% से अधिक कम करते हुए सटीक-मिलान शब्दार्थ को संरक्षित करके काम करता है। परिणाम हर बार एक ही डेटासेट होता है — एक ऐसा गुण जिसकी AI एजेंटों को सख्त जरूरत है लेकिन पुराना बुनियादी ढांचा प्रदान नहीं कर सका ।

प्रभाव तत्काल और नाटकीय था। जब स्वायत्त AI सिस्टम ने gget virus को अपने पुनर्प्राप्ति बैकएंड के रूप में उपयोग किया:

• सभी परीक्षण किए गए मॉडलों के लिए सटीकता कम से कम 90.0% तक पहुंच गई, GPT-5.5 के साथ 99.7% तक पहुंच गई।
• स्थिरता मीट्रिक पूरे बोर्ड में 0.92–1.00 तक बढ़ गए।
• त्रुटि की भयावहता, विशेष रूप से विनाशकारी प्रकार की जो वैज्ञानिक निष्कर्षों को बदल देती है, ध्वस्त हो गई ।

निष्कर्ष स्पष्ट है: AI-संचालित जीवविज्ञान पर बाध्यकारी बाधा मॉडल तर्क नहीं है — यह निश्चित डेटा पहुंच है। सही पुनर्प्राप्ति परत जोड़ें, और आज के एजेंट पहले से ही विश्वसनीय कार्य कर सकते हैं ।

एजेंट युग के लिए जैविक डेटा बुनियादी ढांचे पर पुनर्विचार

gget virus की सफलता की कहानी एक बहुत बड़े बदलाव के लिए एक अवधारणा का प्रमाण है। शोधकर्ताओं का तर्क है कि यह पैटर्न केवल वायरोलॉजी तक सीमित नहीं है — अकेले NCBI 30 से अधिक डेटाबेस होस्ट करता है जो समान निश्चित रैपर से लाभान्वित होंगे ।

इंसान-उन्मुख से एजेंट-नेटिव डिज़ाइन की ओर

जैविक डेटाबेस को मानकीकृत फ़िल्टरिंग और पुनरुत्पादनीय क्वेरी शब्दार्थ के साथ अच्छी तरह से प्रलेखित, संस्करणित API को उजागर करने के लिए विकसित होना चाहिए। यह उसी के बराबर है जो सॉफ्टवेयर डेवलपर्स को पैकेज मैनेजर और संस्करण नियंत्रण प्रणालियों से मिलता है — महत्वपूर्ण बुनियादी ढांचा जिसकी वर्तमान में जैविक विज्ञान में कमी है ।

संघीय, AI-पैमाने के डेटा के लिए प्रयास

एक समानांतर प्रयास में, चान जुकरबर्ग इनिशिएटिव ने एक रोडमैप प्रकाशित किया जिसमें इंटरऑपरेबल, पूल्ड जैविक डेटासेट का आह्वान किया गया है जिन्हें कमांड-लाइन इंटरफेस और मशीन-पठनीय मानकों के माध्यम से क्वेरी किया जा सकता है। उनकी दृष्टि: एक ऐसी दुनिया जहां वैज्ञानिक एक ही संघीय क्वेरी में बहु-मोडल डेटा खोज, विश्लेषण और डाउनलोड कर सकते हैं, वर्तमान पुनर्प्राप्ति अराजकता के बिना AI-पैमाने की खोज को सक्षम कर सकते हैं ।

CZI पहले से ही इस पर काम कर रहा है, संघीय डेटा पहुंच के लिए एक CLI विकसित कर रहा है और बिलियन सेल्स प्रोजेक्ट का निर्माण कर रहा है, जो एक ऐतिहासिक एकल-कोशिका डेटासेट है जिसका उद्देश्य अगली पीढ़ी के AI मॉडलों को प्रशिक्षित करना है। लक्ष्य मूलभूत बुनियादी ढांचा है जो जैविक डेटा को मशीनों के लिए उतना ही सुलभ बनाता है जितना कोड रिपॉजिटरी डेवलपर्स के लिए हैं ।

यह सबक केवल जीवविज्ञान तक सीमित नहीं है

मूल अंतर्दृष्टि — कि विरासत इंसान-पहले इंटरफेस AI एजेंटों को तोड़ देते हैं — वैज्ञानिक कंप्यूटिंग में सामान्यीकरण करता है। निश्चित, प्रोग्रामेटिक एक्सेस लेयर कोई विलासिता नहीं हैं; वे स्वायत्त प्रणालियों को अनुसंधान में विश्वसनीय रूप से भाग लेने की अनुमति देने के लिए एक पूर्वापेक्षा हैं। इसका समाधान किसी अधिक स्मार्ट मॉडल की प्रतीक्षा करना नहीं है। यह सड़कों को उन्नत करना है।