Plataforma para asistir a investigadores en el razonamiento experimental con agentes de IA, sin reemplazar el juicio cientifico humano.
Sapient Lab es un asistente de cuaderno de laboratorio basado en agentes que ayuda a equipos de investigacion a interpretar protocolos, analizar resultados experimentales y proponer siguientes pasos explicados, manteniendo seguridad estricta y control humano en la decision final.
El sistema integra analisis multimodal (texto, CSV, imagen y voz), evidencia externa con OpenML y una arquitectura de IA responsable orientada a transparencia, trazabilidad y limites de uso en escenarios sensibles.
Los investigadores quieren ayuda para razonar sobre experimentos sin reemplazar el juicio cientifico. El sistema debe interpretar protocolos, sugerir variaciones para siguientes pasos, analizar resultados desde texto, CSV o imagenes y explicar claramente por que recomienda cada accion.
La solucion debe aplicar limites de seguridad estrictos en dominios biologicos/clinicos, filtrado de contenido y control de asesoramiento no permitido.
Sapient Lab integra una experiencia de cuaderno cientifico asistido por agentes con:
- interpretacion de protocolos experimentales,
- analisis multimodal (texto, CSV, imagen, voz),
- recomendaciones explicadas para siguientes pasos,
- controles de seguridad y filtrado,
- soporte de evidencia externa con OpenML,
- trazabilidad e inmutabilidad via blockchain: cada resultado experimental relevante se ancla en la Somnia Network como NFT con metadatos en IPFS (Pinata), garantizando auditabilidad publica y verificable por cualquier tercero sin intermediarios.
flowchart LR
R[Equipo de Investigacion] --> FE[Frontend: React + Vite]
FE -->|/api| BE[Backend: NestJS]
BE --> AO[Orquestador de Agentes]
AO --> PI[Interprete de Protocolos]
AO --> MA[Analizador Multimodal]
AO --> RV[Recomendador de Variaciones]
AO --> SG[Guardrails de Seguridad]
AO --> EX[Compositor de Explicabilidad]
AO --> OM[Conector OpenML]
OM --> OAPI[(OpenML API)]
BE --> DB[(MySQL)]
BE --> BLOB[(Azure Blob)]
sequenceDiagram
participant User as Investigador
participant UI as Frontend Notebook
participant API as Orquestador Backend
participant PI as Agente de Protocolo
participant MM as Agente Multimodal
participant OM as Agente OpenML
participant SG as Agente de Seguridad
participant EX as Agente de Explicabilidad
User->>UI: Pregunta experimental
UI->>API: POST /api/ai/notebook/chat
API->>PI: Interpretar contexto del protocolo
API->>MM: Analizar texto/CSV/imagen
API->>OM: Recuperar evidencia de benchmark
PI-->>API: Razonamiento del protocolo
MM-->>API: Hallazgos de datos
OM-->>API: Metadata comparable de OpenML
API->>SG: Aplicar filtros de seguridad y politicas
SG-->>API: Restricciones de respuesta permitida
API->>EX: Construir recomendacion justificada
EX-->>UI: Razonamiento claro + siguientes pasos
UI-->>User: Soporte a la decision human-in-the-loop
| Capa | Tecnologias |
|---|---|
| Frontend | React 19, TypeScript, Vite, React Router, Framer Motion |
| Backend | NestJS, Node.js, TypeScript, class-validator |
| Datos | MySQL, documentos de contexto de proyecto, notas de experimento |
| Servicios de IA | Azure OpenAI/Foundry, Azure Vision, Azure Speech, Azure Document Intelligence |
| Benchmark externo | OpenML (/api/openml/*) |
| Almacenamiento | Azure Blob Storage |
- Frontend: https://github.com/Sapient-Lab/Frontend
- Backend principal: https://github.com/Sapient-Lab/back_end
- Backend Blockchain (IPFS + NFT + Somnia): https://github.com/Sapient-Lab/Backend-Blockchain
- Contrato NFT ERC-721 en Somnia Explorer: https://shannon-explorer.somnia.network/token/0xE16EcfeE6067B4918AF3eAF09Dd134FFdaE92D4D
| Criterio | Ponderacion | Como lo cumple Sapient Lab |
|---|---|---|
| Rendimiento | 25% | Arquitectura frontend/backend separada con APIs dedicadas para chat, analisis y notebook; flujo de insercion limpia reduce ruido y acelera trabajo de laboratorio; soporte de contexto por proyecto para respuestas mas relevantes. |
| Innovacion | 25% | Asistente de notebook cientifico con arquitectura multiagente, razonamiento explicable, analisis multimodal y enriquecimiento con OpenML para evidencia comparativa en recomendaciones. |
| Amplitud de los servicios de Azure utilizados | 25% | Uso combinado de Azure OpenAI, Azure AI Foundry, Azure Vision, Azure Speech, Azure Document Intelligence y Azure Blob Storage en un flujo unico orientado a investigacion. |
| IA responsable | 25% | Guardrails y filtrado para contenido sensible, limites para evitar asesoramiento no permitido, explicaciones transparentes y enfoque human-in-the-loop para no reemplazar el juicio cientifico. |
- Agentes IA y notebook: endpoints
/api/ai/*en backend. - Seguridad: modulo safety (
/api/safety/analyze) y politicas de filtrado. - OpenML: endpoints
/api/openml/*para datasets, tareas, runs y evaluaciones. - Frontend de evaluacion: flujo
/app/lab,/app/protocolos,/app/docs,/app/equipo.
- Slides: https://www.canva.com/design/DAHEuqnjrpc/6jHkQVtlXaC9SG2pfgArTg/edit?utm_content=DAHEuqnjrpc&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton
- Video: https://canva.link/jdn8l5sbb3f1nsf
La Paz — Bolivia
Universidad Mayor de San Andrés
Facultad de Ciencias Puras y Naturales
Carrera de Informática
| Integrante | Rol |
|---|---|
| Franco Mario Ayala Quispe | AI / Backend / Integration |
| Alex David Tola Julian | Frontend / UX / Product Flow |
| Maya Celina Cadiz Quispe | Product / Research / Presentation |
| Jhamil Calixto Mamani Quea | Data / Validation / Testing |
| Alexander Jonathan Villarroel Torrico | Architecture / Platform / Delivery |
-
Franco Mario Ayala Quispe fa8050386@gmail.com
-
Alex David Tola Julian alextola740@gmail.com
-
Maya Celina Cadiz Quispe maya.cadizq@gmail.com
-
Jhamil Calixto Mamani Quea jhamilquea@gmail.com
-
Alexander Jonathan Villarroel Torrico alexvillarroeltorrico@gmail.com
