CrossTrace: Podaci koji razotkrivaju naučnu maštu

Novi CrossTrace dataset ne donosi samo još jedan skup podataka — donosi 1.389 dokumentiranih razumskih putova koji povezuju postojeće znanje s novim hipotezama. To nije još jedna zbirka nasumičnih znanstvenih radova, već strukturirani prijelaz od utemeljenih činjenica do logičkih skokova koji vode do inovacija. Ključna razlika? Svaki korak u lancu povezan je s izvornim tekstom iz znanstvenih radova, što eliminira čestu manu AI-modela: izmišljanje „kreativnih“ veza bez osnova.

Autor ne tvrdi kako rješava problem generiranja hipoteza, već identificira kritično usko grlo: postojeći dataseti ograničeni su na pojedinačne domene (npr. samo biomedicinu) i nedostaje im transparentnost u razumskim procesima. CrossTrace pokriva tri domene — biomedicinu (518 tragova), AI/ML (605) i križna područja (266). Brojke zvuče impresivno, ali pravo pitanje glasi: koliko će ovih tragova preživjeti susret s realnim znanstvenim radom?

Okvir koji dataset koristi, proširenje Bit-Flip-Spark strukture iz HypoGen projekta, uključuje provjeru na razini koraka i taksonomiju za klasifikaciju razumskih skokova. To je koristan pomak od tipičnih benchmarkova gdje modeli „pogađaju“ hipoteze bez objašnjenja. Međutim, kao i uvijek, razlika između demo verzije i stvarne primjene ostaje nejasna: hoće li znanstvenici zaista koristiti ove tragove, ili je riječ o još jednom alatu za treniranje modela koji će završiti u akademskoj ladici?

Industrijski igrači poput DeepMind-a i Meta AI-ja godinama pokušavaju automatizirati generiranje hipoteza, ali s mješovitim rezultatima. CrossTrace bi mogao postati koristan za fine-tuning modela koji ne samo predlažu, nego i objašnjavaju svoje zaključke — što je ključno za domene poput medicine gdje je transparentnost neophodna. Realni test, međutim, bit će u tome koliko će ovih tragova biti reproduktivnih u praksi, a ne samo u kontroliranim eksperimentima.

Zanimljivo je i što dataset ne favorizira jednu domenu: 605 tragova iz AI/ML-a suzbija dominaciju biomedicine (518), što može značiti da autor pokušava izbjeći pristranost prema „seksijem“ području. Pravi signal, međutim, nije u broju tragova, već u tome tko će ih zapravo koristiti. Ako akademska zajednica prihvati ovaj format, možemo očekivati val novih alata za „objašnjivu znanstvenu kreativnost“. Ako ne, CrossTrace će postati još jedan dataset koji će godinama čekati svoje „killer application“.

Za sada GitHub repozitorij projekta još uvijek nije javno dostupan, a reakcije iz znanstvene zajednice su umjerene — više zanimanja nego euforije. To možda i nije loš znak: nakon desetak „revolucionarnih“ datasetova koji nisu ispunili obećanja, zdrava doza skepticizma opravdana je.

Reakcije na CrossTrace pokazuju da je skepticizam prema „revolucionarnim“ datasetovima zdrav i nužan. Njegova stvarna vrijednost neće biti u brojevima, već u tome koliko će istraživača potaknuti da krenu novim putovima. Samo vrijeme može dati konačan odgovor.