Перейти к содержимому
AUTHORВЫПУСК №008 → АВТОМАТИЗАЦИЯ АГЕНТАМИ: 90% НЕ ПРОМПТ / имейте совесть, когда будете делиться или копировать
>AISTUDY_

Модуль s.3

Гипотезы и планирование экспериментов

Как агент помогает генерировать и ранжировать тестируемые гипотезы по принципу турнира Google AI co-scientist и как научить агента и себя оспаривать собственные выводы

2 уроков · ~1 час

Уроки

  1. 1 Урок 1: Генерация и ранжирование гипотез
    20 мин
  2. 2 Урок 2: Критическое мышление и devil's advocate
    20 мин

Обзор модуля

Литература даёт картину того, что уже известно. Следующий шаг исследователя — сформулировать, что проверить дальше. Это и есть зона гипотез: самое творческое место научного цикла и одновременно то, где агент способен заметно ускорить работу, не подменяя собой мысль.

Модуль состоит из двух уроков, которые работают в паре. Сначала вы учитесь получать от агента не одну «красивую идею», а целый набор конкурирующих тестируемых гипотез с предсказаниями и отбирать сильнейшие. Принцип — «турнир» гипотез из системы Google AI co-scientist: несколько агентов с разными ролями генерируют, сравнивают, критикуют и эволюционируют идеи.

Затем вы переходите к обратной операции — критике. Лёгкая генерация гипотез бесполезна без столь же сильного механизма их опровержения. Второй урок учит встроить devil’s advocate и в агента, и в собственную голову: искать контраргументы, конфаундеры и альтернативные объяснения.

Чему вы научитесь

  • Формулировать запрос к агенту так, чтобы получить набор тестируемых гипотез, а не общие рассуждения.
  • Понимать архитектуру «турнира» гипотез Google AI co-scientist: роли Generation, Proximity, Reflection, Ranking, Evolution.
  • Отбирать сильнейшие гипотезы по критериям проверяемости, новизны и осуществимости.
  • Использовать навык hypothesis-generation из Scientific Agent Skills как рабочий инструмент.
  • Встраивать критическое мышление и роль devil’s advocate в работу агента и в собственный процесс.
  • Систематически искать конфаундеры, альтернативные объяснения и слабые места своих выводов.
  • Видеть системный риск сужения тематического разнообразия науки при опоре на ИИ.

Уроки модуля

  1. Генерация и ранжирование гипотез — турнир гипотез Google AI co-scientist, навык hypothesis-generation, как получить тестируемые гипотезы с предсказаниями и отобрать сильнейшие.
  2. Критическое мышление и devil's advocate — навык scientific-critical-thinking, контраргументы, конфаундеры, альтернативные объяснения и риск сужения фокуса науки.

Как проходить

  1. Возьмите реальную исследовательскую тему или вопрос, который вас сейчас занимает.
  2. На первом уроке прогоните по нему генерацию гипотез и соберите короткий список кандидатов.
  3. На втором уроке подвергните каждую гипотезу критике — и руками агента, и собственными.
  4. Оставьте те гипотезы, которые пережили атаку: именно они достойны эксперимента.

После модуля

После этого модуля у вас на руках будет не одна интуитивная догадка, а несколько конкурирующих гипотез, прошедших через турнир генерации и через жёсткую критику. Это сырьё для следующего шага трека — данных, кода и эксперимента.

// Обсуждение

Можно писать анонимно. Укажите email, чтобы получать уведомления об ответах.