Thomas Wolf uttalte at selv om AI er dyktig til å utføre instruksjoner, så svikter det i å generere ny kunnskap. I et innlegg på X understreket Hugging Face-lederen nødvendigheten av at AI utfordrer sine treningsdata og tar i bruk ukonvensjonelle metoder. Wolfs bemerkninger er i tråd med den aktuelle teknologiske vektleggingen av agentisk AI. “AI er utmerket til å følge direktiver; men det presser ikke grensene for forståelse, ” bemerket Wolf. Som sjef for vitenskap og medgründer av Hugging Face—et open-source AI-selskap støttet av Amazon og Nvidia—undersøkte han begrensningene til store språkmodeller i et innlegg på X torsdag. Han hevdet at industrien produserer "overdrevent lydige hjelpere" i stedet for innovatører. For tiden, påpekte Wolf, genererer ikke AI ny kunnskap; det fyller bare inn hull mellom etablerte fakta—en prosess han refererer til som "manifold fylling. " For at AI skal muliggjøre ekte vitenskapelige fremskritt, hevdet Wolf at det må gå utover å bare hente og syntetisere informasjon. AI bør kritisk vurdere sine treningsdata, omfavne ukonvensjonelle strategier, danne nye ideer med minimal informasjon, og stille uventede spørsmål som kan åpne friske forskningsveier. Wolf kommenterte også på ideen om det "komprimerte 21. århundre"—et konsept presentert i et essay i oktober av Dario Amodei, administrerende direktør i Anthropic, med tittelen "Machine of Loving Grace. " Amodei foreslo at AI kan akselerere vitenskapelig fremgang i en så stor grad at utviklinger som forventes i løpet av det neste århundret kan skje i løpet av fem til ti år. “Jeg leste dette essayet to ganger.

Første gang følte jeg meg helt amazed: AI vil revolusjonere vitenskapen om fem år, tenkte jeg!” delte Wolf på X. “Ved å lese det igjen innså jeg at mye av det virket som ønsketenkning i beste fall. ” Wolf advarte om at med mindre AI-forskning snur, er det usannsynlig at vi vil se en ny Albert Einstein komme fra et datasenter, noe som etterlater oss med bare "ja-menn på servere" i fremtiden. Wolf svarte ikke på en forespørsel om kommentar utenom normal arbeidstid. Fremveksten av agentisk AI Wolfs refleksjoner kommer samtidig som AI-sektoren fokuserer på agentisk AI. Relaterte fortellinger inkluderer innsikter fra Sam Altman, administrerende direktør i OpenAI, som har antydet at dette året kan se introduksjonen av de første "agentene"—en kategori AI-verktøy som er i stand til å fungere selvstendig i arbeidsstyrken. “Hvis 2024 var året for LLM-er, tror vi 2025 vil være året for agentisk AI, ” delte Praveen Akkiraju, en administrerende direktør hos Insight Partners, med Business Insider i januar. Hans risikokapitalfirma har investert i agentrelaterte oppstartsselskaper som Writer, Jasper, og Torq. Investorer har vist stor interesse for dette begrepet, med PitchBook-data som indikerer at oppstartsselskaper fokusert på agentapplikasjoner sikret 8, 2 milliarder dollar i fjor. I motsetning til AI-assistenter, som primært samler og oppsummerer informasjon, er agenter i stand til å analysere komplekse oppgaver, ta autonome beslutninger, og justere strategiene sine basert på resultater. Videre har forskere utnyttet AI for betydelige vitenskapelige prestasjoner. For eksempel brukte Oxford-professor Matthew Higgins AlphaFold2, et AI-verktøy utviklet av Alphabets DeepMind, for å bestemme strukturen til et kritisk malaria-protein—et problem laboratoriet hans hadde stått overfor i flere år. Dette gjennombruddet resulterte i en eksperimentell malaria-vaksine som nå testes på mennesker. Uten AlphaFold innrømmet Higgins, “ville vi sannsynligvis fortsatt ha prøvd, for å være ærlig, ” i en diskusjon i 2023 med Business Insider.