اجتاحت الابتكارات مجالات البحث العلمي، وبرزت الدراسة الأخيرة التي تركز على مفهوم البحث الذاتي (Auto Research) كمفهوم ثوري في هذا الإطار. يتضمن البحث الآلي حلقة تجريبية مغلقة تعتمد على قياسات خارجية لضمان تحقيق نتائج دقيقة وموثوقة.

في هذه الدراسة، لكل تجربة مجرّبة هدفها الخاص، يتمثل في فرضية معينة وتعديلات برمجية قابلة للتنفيذ، بالإضافة إلى نتيجة يمتلكها المقيم. الشيء الجذاب هو أن هذه النتائج لا يتم جمعها على شكل ورقة بحثية أو نقطة مرجعية واحدة، بل تمثل مسارًا قابلاً للتدقيق يعكس الاقتراحات والتجارب والتقييمات، مما يجعل العملية أكثر شفافية.

وقد أُُثبتت فعالية هذه الطريقة من خلال التجارب التي أجريت على 1,197 تجربة رئيسية و600 تجربة تحكم (Parameter Golf). على مدار هذه التجارب، لم يكن هناك تدخل بشري في اختيار أو تعديل المقترحات، مما يشير إلى إمكانية النظام المستقل في إدارة ذاته دون حاجة ماسة للتوجيه المستمر.

بفضل التغذية الراجعة المتبادلة بين الوكلاء المتخصصين، استطاعت هذه النماذج أن تحول النتائج السلبية، مثل أعطال النظام وزيادة التكاليف، إلى تعديلات برمجية تُحسن من الأداء في التجارب اللاحقة. في النتائج، تمكن البحث من تحقيق تحسينات كبيرة، مثل رفع أداء نموذج (NanoChat-D12 CORE) بنسبة تصل إلى 38.7%، كما قللت من أوقات التنفيذ في بعض الاختبارات.

على ضوء هذه الإنجازات، يظهر البحث الآلي كأداة قوية يمكن أن تعيد تشكيل مستقبل الذكاء الاصطناعي وتفتح آفاق جديدة للتطوير.