Google Research оголосила фреймворк Science One 30 липня 2026 року, основою якого є механізм, що називається «ланцюг доказів» (Chain-of-Evidence, CoE), який вимагає, щоб кожен висновок штучного інтелекту в наукових дослідженнях був пов’язаний з джерелами, кодом та записами експериментів.

Автор статті, джерело: 0x9999in1, ME News



Коротко

• Google Research оголосила фреймворк Science One 30 липня 2026 року, основою якого є механізм, що називається «ланцюг доказів» (Chain-of-Evidence, CoE), який вимагає, щоб кожен висновок штучного інтелекту в наукових дослідженнях був пов’язаний з джерелами, кодом та записами експериментів.
• Старі проблеми існуючих AI-дослідницьких систем дуже серйозні: вигадування посилань, неможливість повторити результати, неузгодженість описів методів і коду. Рівень галюцинаційних посилань у базових системах досягає 21%, а ступінь відтворюваності результатів падає до 42%.
• Результати Science One: нуль галюцинацій у цитатах, 100% правильна перевірка балів, найвищий рівень відповідності методів та коду. За даними, усі 337 згенерованих цитат є справжніми, всі 12 відтворюваних експериментів збіглися, і 14 з 15 наукових статей відповідають коду.
• Ключовим дизайном є «генерація з одночасним відстеженням», а не «написання, а потім додавання посилань». Посилання походять не з пам’яті моделі, а з реальних пошуків через API Semantic Scholar.
• Більш важливою оцінкою є те, що Science One не пожертвувала «здатністю» на користь «чесності». Вона здобула 2 золоті та 2 срібні медалі на MLE-Bench та показала найкращий результат на той момент на Parameter-Golf.
• Справжній зміст цієї події полягає не в тому, що ще один ШІ може писати статті, а в тому, що він вперше ввів «перевіряємість» як фундамент архітектури, а не як пізнішу доповнення.

Спочатку задайте болісне питання: Ви вірите у статті, написані штучним інтелектом?

За останні два роки AI-дослідницькі системи зробили надзвичайний прогрес.

Він може читати наукові праці. Може формулювати гіпотези. Може проводити експерименти. Може написати цілу наукову статтю — з початку до кінця, з цілісною структурою та професійним тоном. Досить кинути погляд — і не знайдеш жодного недоліку.

Але проблема криється саме в цьому «одного погляду».

Одного погляду достатньо, а що, як глибше розібратися?

Google Research спеціалізується саме на глибокому аналізі цього. Вони взяли п’ять основних автономних наукових систем, запустили їх на п’яти завданнях оптимізації системи, в результаті чого було створено 75 наукових статей, а потім детально перевірили: чи існує дійсно ця посилана література? чи збігаються результати при повторному запуску коду? чи використовується справді зазначений алгоритм у коді?

Результат не дуже гарний.

Кожна базова система допускає принаймні одну системну помилку. Частота галюцинацій у цитатах досягає 21% — тобто одна з п’яти цитат може посилатися на статтю, яка взагалі не існує. Прохідність перевірки балів становить лише 42%. Відповідність методів і коду варіюється від 20% до 80%.

Поміркуйте про ці 42%. Більше половини статей не можна відтворити, навіть якщо повторно запустити код.

Це не мала помилка. Це руйнування довіри.

Оскільки наукове дослідження базується на фундаментальних принципах «відтворюваності» та «відстежуваності». Цінність наукової статті полягає не в тому, наскільки вона легко читається, а в тому, чи зможе хтось інший, використовуючи її посилання, код і дані, крок за кроком відтворити дослідження і переконатися, що автори не брехали. ШІ підняв «зовнішню якість» статей, але витягнув цей найважливіший фундаментальний стовп.

Чим більш блискучий зовнішній вигляд, тим прихованіші проблеми. Саме це найбільш небезпечне.

Відповідь Google: не на довірі, а на ланцюзі

Ідея Science One, по суті, дуже проста.

Оскільки не можна довіряти, що ШІ буде чесним самостійно, не очікуйте від нього самодисципліни. Поставте йому ланцюги.

Цей ланцюг — це «ланцюг доказів» (Chain-of-Evidence).

Google навів дуже точну аналогію: у сфері баз даних існує поняття ACID, яке не залежить від того, як ви створюєте базу даних, а лише визначає, які властивості повинна мати транзакція, щоб бути «надійною». Те саме стосується ланцюга доказів. Він не визначає, як створювати науковий агент, а лише встановлює: щоб кожен ваш результат був відомим, він повинен задовольняти певні умови.

Одне правило, дві половини.

Перша половина — це цілісність: кожне твердження в роботі — будь то цитата, цифра, опис методу чи висновок — має бути підтверджено зареєстрованим ланцюжком доказів.

Друга половина — це правильність: ланцюжок повинен справді підтримувати той рядок, який на ньому висить.

Простими словами: кожне ваше твердження має мати джерело, і це джерело має справді підтверджувати ваше твердження.

Як це реалізувати? Ключовим є момент.

Як працює існуюча система? Спочатку накидують довгу статтю, а потім повертаються, щоб додати посилання та докази. Це наче спочатку вигадати історію, а потім шукати докази, щоб її підтвердити. Місця, які не вдається підтвердити, просто вигадують. Ось як і з’являються фантомні посилання.

Science One навпаки. Він одночасно створює ланцюжок доказів у момент генерації цього речення. Заява та докази виростають разом, а не скріплюються пізніше.

Зміна цієї послідовності — суть усього процесу.

Розгляньте окремо: три модулі, кожен відповідає за свою частину брехні

Архітектура Science One поділена на три частини, кожна з яких точно виключає можливість підробки.

Перший блок — дослідник проблем, який відповідає за фальсифікацію посилань.

Він не залежить від «пам’яті» моделі для цитування джерел. Пам’ять моделі — це родюча ґрунта для галюцинацій — вона може «пам’ятати» статтю, якої взагалі не існує. Science One безпосередньо під’єднаний до API Semantic Scholar, щоб побудувати справжню графічну схему цитувань, аналізуючи до 100 повних текстів у форматі PDF для кожної теми та створюючи структурований науковий звіт. Кожне посилання у фінальній статті походить саме з цієї реальної пошукової операції через API, повністю виключаючи залежність від пам’яті моделі.

Цитати не «вигадуються», а «знаходяться». Цей удар зрізав коріння ілюзорних цитат.

Другий блок — пошуковий двигун, який відповідає за фальсифікацію експериментальних записів.

Він використовує паралельну стратегію «дослідження — використання», одночасно пробуючи рішення на кількох гілках. У кожному циклі один Solver реалізує рішення, а спеціальний оцінювач надає оцінку. Гілки з кращими результатами подальше вдосконалюються, а всі початкові оцінки зберігаються у строгому, лише для читання журналі.

Тільки для читання. Ці два слова дуже важливі. Коли початкові результати зафіксовано, їх не можна змінити. Хотите під час написання статті подати кращу оцінку? Вибачте, але реєстр тут — змінити неможливо.

Третій блок — автор статей та перевірка заявок, відповідає за невідповідність методів і коду.

Перед тим як реально відобразити статтю, вона структурує кожне фактичне твердження, позначаючи кожне речення вбудованим ярликом доказів, прив’язаним до конкретного продукту у робочому просторі. Потім окремий перевірщик порівнює кожне твердження з його зазначеним джерелом.

Що робити, якщо не збігається? Тут є дуже тонкий нюанс. Він не просто грубо видаляє, а «відводить назад» — формулює висловлювання більш обережно, щоб воно знову потрапило в межі, які підтверджуються доказами. До якого рівня підтверджуються докази — до того рівня й говорять.

Не хвастаюся, але й не витрачаю напрасно. Цей баланс — вищий за однаковий підхід.

Транскрипт: Вартість чесності, чи став ти гіршим?

Тут має виникнути гостре запитання.

Надівши на ІШ стільки ланцюгів, змушуючи його кожен раз з тривогою шукати докази, чи не перестає воно сміливо досліджувати? Чи не пожертвували «здатністю» на користь «чесності»?

Ця стурбованість дуже обґрунтована. Це класичний суперечливий конфлікт між «безпекою» та «здатністю».

Відповідь Science One: ні.

Спочатку розглянемо колонку «Чесність». За однієї й тієї ж системи аудиту — Google називає її CoE Audit, автоматичним інструментом, подібним до криміналістики, який перевіряє кожен посилання у реальному часі за допомогою академічних баз даних — Science One показала найкращі результати у всіх чотирьох перевірках цілісності. У неї немає жодних ілюзій посилань: кожне посилання веде до реальної, доступної наукової статті; перевірка балів виконана ідеально; відповідність методів та коду найвища. Згідно з розкритими даними, усі 337 посилань, згенерованих нею, є справжніми, усі 12 результатів відтворюваних експериментів збігаються, і 14 з 15 статей відповідають реальному коду.

Порівняйте з тими «гібридними нейросимволічними солверами» у базовій лінії — звучить вражаюче, але, як тільки відкриєш код — це просто просте детерміноване евристичне правило. Імена призначені для людей, а код — це правда.

Знову подивіться на стовпчик «Здібності».

На п’яти завданнях з бази ADRS Science One досягла рівня або перевершила результати людських експертів, здобувши найкращі результати у двох з них (Cloudcast і EPLB).

Поза цим колом він вирішив випробувати себе у складніших зовнішніх завданнях. У MLE-Bench, у п’яти складних змаганнях Kaggle, що охоплювали медичну візуалізацію, дрібнозернисту класифікацію та 3D-відчуття, він здобув 2 золоті та 2 срібні медалі — у змаганні з 3D-виявленням об’єктів інші системи повністю провалилися, а він отримав результат, що відповідає першому місцю. У змаганні Parameter-Golf, де жорстко обмежені ресурси апаратного забезпечення та розмір файлів для навчання LLM у реальному часі, інші системи не змогли навіть подати жодної дійсної підсумкової роботи, а він не лише виконав усі обмеження, але й досяг найкращого результату станом на 27 квітня 2026 року. І це було досягнуто завдяки виявленню справді нових алгоритмічних методів, а не просто налаштуванням гіперпараметрів.

Отже, відповідь очевидна: чесність, без того, щоб робити це глупішим.

Це саме та річ, яку я ціную найбільше. Якщо Science One досягає чистоти за рахунок "обмеженості", то вона не має жодної цінності — бо ніхто не використовуватиме громіздкий, але чесний науковий інструмент. Але вона довела, що перевіряємість і висока продуктивність можуть існувати одночасно. Саме це перетворює "зробити чесність жорстким обмеженням" з моральної ініціативи на інженерно вигідний вибір.

Моя думка: це важливо, але не поспішайте робити з цього міф

Сказавши стільки добрих слів, треба пролити дві відра холодної води.

Перша річ: Google саме чітко зазначає в кінці тексту, що Science One — це експериментальний дослідницький прототип, а не інструмент, який можна використовувати в продакшні.

Це не скромність, а межа. Він вирішує п’ять завдань у галузях, які мають чіткі оцінювачі та можуть автоматично отримувати бали — наприклад, оптимізація систем. Іншими словами, добре чи погано можна об’єктивно визначити за допомогою машини. Але що щодо справжніх передових наукових досліджень? Багато гіпотез і висновків не мають оцінювача, який зможе дати їм бали навіть у короткостроковій перспективі. Доказовий ланцюг може запобігти "підробці посилань", але не може запобігти "вибору посередньої проблеми". Він стежить за чесністю, але не за смаком.

Другий витратний пункт: сама ланцюжкова система доказів має витрати. Прочитати 100 PDF-файлів на кожну тему, для кожного речення збирати докази, прив’язувати мітки та перевіряти ще раз — цей процес не є дешевим. Він одночасно прагне до істини та споживає обчислювальні ресурси та час. Коли це масштабується, як саме розрахувати ці витрати — зараз немає відповіді.

Але після того як я вилив ці дві миски води, я все ще вважаю це недооціненим справою.

Чому?

Оскільки він змінив спосіб постановки питання.

За останні два роки всі питали: чи може ШІ проводити наукові дослідження? Наскільки він сильний? Люди порівнювали їхні здібності розв’язувати задачі та бали в рейтингах. Питання, яке ставить Science One, іншого порядку: чи можна довіряти науковим дослідженням, виконаним ШІ?

Ці дві проблеми не на одній трасі.

Коли все більше систем здатні генерувати чудові рішення, здатність до розв’язання задач перестає бути критерієм відмінності. Тоді справжнім фактором, що розрізняє їх, буде те, чи можна довіряти їхнім результатам. Google підняла поняття «перевірюваності» до рівня «першокласного громадянина», стверджуючи, що воно має бути архітектурним обмеженням, а не виправленням після виникнення проблеми — це твердження, на мою думку, правильне і з’явилося в самий потрібний момент.

Оскільки довіра зберігається дуже повільно, а руйнується швидко. Якщо дослідження з використанням ШІ на початковому етапі витрачатимуть довіру всієї академічної спільноти, спираючись на велику кількість паперів, які здаються блискучими, але насправді повністю нестабільні, то пізніше відновити її буде дуже дорого — ціна буде неподоланою. Science One робить те, що до того, як довіра руйнується, вони вже підсилюють фундамент арматурою.

Фінал

Повернемося до початкового питання: Ви вірите, що статтю написав ІІ?

До Science One щиро відповісти — не дуже сміливо. Чим краще це написано, тим більше слід бути уважним.

Science One не зробив AI розумнішим. Він зробив інше, більш просте, але складніше: змусив AI залишати перевіряємі докази кожної своєї висловленої думки.

Занадто багато розумних ШІ.

AI, який відповідає за себе, тільки починається.

Цей крок невеликий, це прототип, і ще багато нерозв’язаних питань. Але напрямок правильний. Іноді справжня вага чогось полягає не в тому, наскільки швидко воно може працювати зараз, а в тому, де воно встановило мірку.

Science One змістив критерій з «чи написано як треба» на «чи витримує перевірку».

Це варто цього руху.

Джерела

1. Блог досліджень Google. «Science One Framework: Перевіряємий автономний дослідницький фреймворк за допомогою Chain-of-Evidence», 30 липня 2026 року.
2. Дослідження штучного інтелекту Google Cloud. arXiv:2605.26340 Стаття «Science One Framework / Chain-of-Evidence».
3. AlphaSignal. «Фреймворк Science One від Google вирішує кризу фальшивих цитувань у дослідженнях ШІ», 2026 рік, липень.
4. Zhiding.com. «Фреймворк Science One: перевірена автономна наукова система на основі ланцюжка доказів», 31 липня 2026 року.
5. Sakana AI. arXiv:2504.08066 «The AI Scientist v2» (порівняння з базовою моделлю).
6. OpenAI. Проект GitHub «Parameter-Golf» benchmark.
7. arXiv:2410.07095 Стаття про базу даних MLE-Bench.
8. arXiv:2510.06189 Бенчмарк «Автоматизоване проектування дослідницьких систем (ADRS)»