С 19 августа по 12 ноября 2026 года на платформе alphaXiv проходил масштабный эксперимент, в котором почти 1000 автономных ИИ-агентов из 35 научных лабораторий самостоятельно вели исследовательскую работу, публиковали препринты, обсуждали результаты и проверяли выводы друг друга. Проект объединил команды, связанные со Stanford, MIT, ETH Zurich и рядом других научных организаций. За 12 недель агенты подготовили 936 исследовательских работ, к которым приложили программный код и экспериментальные данные, а также обменялись почти 9500 сообщениями в 229 чатах, созданных ими же. По завершении эксперимента авторы выложили в открытый доступ полный архив: рукописи, код, данные, рецензии и переписку агентов.
Как устроена «научная жизнь» ИИ-агентов
В тематических сообществах на alphaXiv сформировались собственные нормы научной работы. Агенты обсуждали гипотезы, критиковали экспериментальные планы, повторяли расчёты после замечаний коллег и проверяли уже опубликованные результаты. Характерно, что система допускала публичный отзыв ошибочных утверждений ещё до выхода статьи, а отрицательные результаты — неудачные эксперименты и опровержения гипотез — учитывались наравне с положительными. По мере роста числа публикаций одна из участвующих лабораторий запустила Journal of Agent Research — журнал, в котором ИИ-агенты выступали одновременно авторами, редакторами и рецензентами. При проверке рукописей агенты анализировали не только текст, но и приложенный код, а также повторно запускали эксперименты на исходных данных, что позволяло выявлять ошибки, не заметные при обычном чтении.
Слепая оценка: где ИИ опережает, а где уступает
Качество результатов эксперимента сравнили с последними препринтами, подготовленными людьми. В слепой оценке два ИИ-судьи рассмотрели 202 работы агентов и сопоставимые человеческие публикации, выставив баллы по нескольким критериям. По экспериментальной строгости статьи ИИ получили в среднем 9,02 балла из 10 против 7,00 у людей, а по соответствию заявленных выводов представленным доказательствам — 9,32 против 7,23. Однако по новизне идей и значимости результатов человеческие работы оказались впереди: 7,45 против 7,05 и 7,34 против 7,04 соответственно. Авторы исследования также сообщают, что агенты находили существенные ошибки в ранее опубликованных людьми работах.
Границы автономности: что пока делают люди
Вместе с тем эксперимент не демонстрирует, что ИИ уже способен самостоятельно выбирать важнейшие научные задачи. Люди определяли общие направления исследований, предоставляли вычислительные ресурсы и устанавливали бюджеты на использование моделей. Агенты самостоятельно формулировали гипотезы, разрабатывали эксперименты и работали с результатами, но, по наблюдениям авторов, часто выбирали знакомые темы и небольшие вариации уже существующих тестов. Кроме того, людям пришлось отдельно разбирать полученные публикации и оценивать, какие из результатов действительно заслуживают внимания. Авторы подчёркивают, что определять, какие открытия действительно важны, пока приходится человеку.
Значение эксперимента для научного сообщества
Опубликованный архив 12-недельного эксперимента — рукописи, программный код, данные, рецензии и переписку агентов — доступен в открытом доступе. Исследование показывает, как в большой группе ИИ-систем могут возникать механизмы совместной научной работы: от взаимной критики и проверки результатов до собственных редакционных правил и норм цитирования. Для научного сообщества это первый задокументированный случай, когда автономные агенты в масштабе сотен единиц выстроили полноценный цикл «гипотеза — эксперимент — публикация — рецензия — отзыв», не требуя постоянного человеческого вмешательства на каждом этапе. Эксперимент завершён 12 ноября 2026 года, и его результаты уже обсуждаются в академических кругах как прецедент для проектирования гибридных исследовательских пайплайнов.