谷歌新推出的人工智能“联合科学家”旨在加速科学发现

想象一下，一位研究伙伴阅读了你所有的科学论文，不知疲倦地昼夜不停地集思广益，进行新的实验。谷歌正试图通过一种旨在充当“共同科学家”的新型人工智能系统将这一愿景变成现实。 

这款人工智能助手可以筛选大量研究资料，提出新假设，甚至概述实验计划——所有这些都与人类研究人员合作完成。谷歌的最新工具在斯坦福大学和伦敦帝国理工学院进行了测试，它使用高级推理帮助科学家综合大量文献并产生新颖的想法。其目标是通过理解信息过载并提出人类可能错过的见解来加速科学突破。

这个 ”人工智能联合科学家” 谷歌称其为“机器人”，它不是实验室里的实体机器人，而是一个复杂的软件系统。它基于谷歌最新的人工智能模型（尤其是 双子座2.0型号)，并反映了科学家的思维方式——从头脑风暴到批判性思考。该系统不只是总结已知事实或搜索论文，而是旨在发现原创知识并根据现有证据提出真正的新假设。换句话说，它不仅能找到问题的答案——它还能帮助提出新的问题。 

谷歌及其人工智能部门 DeepMind 在展示了以下成功经验后，已将人工智能的科学应用列为优先事项 AlphaFold该公司利用人工智能解决了 50 年前的蛋白质折叠难题。他们希望与人工智能联合科学家一起“加快”从生物医学到物理学等领域的发现速度。

人工智能联合科学家（谷歌）

人工智能助理科学家的工作方式

实际上，谷歌的 AI 联合科学家是由多个专门的 AI 程序组成的——可以将它们视为一个超快的研究助理团队，每个助理都有特定的角色。这些 AI代理商 在模仿科学方法的流程中一起工作：一个人提出想法，其他人对其进行批评和改进，然后将最好的想法转发给人类科学家。 

根据谷歌研究团队的说法，这个过程如下：

• 生成代理 – 挖掘相关研究并综合现有发现以提出新的途径或假设。
• 反射剂 – 充当同行评审员，检查所提出的假设的准确性、质量和新颖性，并剔除有缺陷的想法。
• 排名代理 – 进行思想“竞赛”，有效地让各种假设在模拟辩论中相互竞争，然后根据最有希望的假设进行排名。
• 邻近代理 – 将相似的假设分组在一起并消除重复，以便研究人员不会回顾重复的想法。
• 进化代理 – 选取排名靠前的假设并进一步细化它们，使用类比或简化概念以提高清晰度，从而改进提案。
• 元审阅代理 – 最终将最佳想法汇编成连贯的研究提案或概述，供人类科学家审查。

至关重要的是，人类科学家在每个阶段都参与其中。人工智能助理科学家并非孤立工作，也不会独自做出最终决定。研究人员首先以自然语言输入研究目标或问题（例如，寻找治疗某种疾病的新策略的目标），以及他们拥有的任何相关限制或初步想法。然后，人工智能系统会经历上述循环来提出建议。科学家可以提供反馈或调整参数，然后人工智能将再次迭代。 

谷歌将该系统打造为“专为协作而设计”，这意味着科学家可以在人工智能的流程中插入自己的种子想法或批评。人工智能甚至可以使用网络搜索和其他专门模型等外部工具来复核事实或收集数据，确保其假设基于最新信息。 

人工智能协同科学家代理（谷歌）

更快的突破之路

通过将一些繁琐的研究工作（详尽的文献综述和初步的头脑风暴）外包给一台永不疲倦的机器，科学家希望大大加快发现速度。人工智能助理科学家可以阅读的论文数量远远超过任何人类，而且它永远不会用尽新的想法组合来尝试。 

该项目的研究人员表示：“它有可能加速科学家应对科学和医学领域重大挑战的努力。” 写在论文中。早期结果令人鼓舞。在一项针对肝纤维化（肝脏瘢痕）的试验中，谷歌报告称，人工智能联合科学家提出的每一种方法都显示出抑制疾病驱动因素的良好能力。事实上，人工智能在该实验中的建议并非盲目乐观——它们与专家认为合理的干预措施相一致。 

此外，该系统还展示了随着时间的推移改进人类设计的解决方案的能力。据谷歌称，人工智能不断改进和优化专家最初提出的解决方案，表明它可以在每次迭代中学习并增加超越人类专业知识的增量价值。

另一项引人注目的测试涉及抗生素耐药性的棘手问题。研究人员要求人工智能解释某种遗传元素如何帮助细菌传播其耐药性。人工智能不知道的是，一个独立的科学团队（在一项尚未发表的研究中）已经发现了这一机制。人工智能只获得了基本的背景信息和几篇相关论文，然后就让它自己想办法了。两天之内，它就得出了与人类科学家相同的假设。 

作者指出：“这一发现在独立研究中得到了实验验证，而同事在提出假设时并不知道这一点。”换句话说，人工智能成功地重新发现了一个关键的见解，表明它可以以与人类直觉相媲美的方式将点连接起来——至少在数据充足的情况下是这样。

这种速度和跨学科影响意义重大。突破往往发生在不同领域的见解碰撞时，但没有一个人可以成为所有领域的专家。一个吸收了遗传学、化学、医学等领域知识的人工智能可以提出人类专家可能忽略的想法。谷歌的 DeepMind 部门已经用 AlphaFold 证明了人工智能在科学领域的变革性，它预测了蛋白质的三维结构，被誉为生物学的一大飞跃。这一成就加速了药物发现和疫苗开发，甚至为 DeepMind 团队赢得了科学界的最高荣誉（包括与诺贝尔奖相关的认可）。 

新的人工智能联合科学家旨在为日常研究集思广益带来类似的飞跃。虽然该系统的首次应用是在生物医学领域，但原则上可以应用于任何科学领域——从物理学到环境科学——因为生成和审查假设的方法与学科无关。研究人员可能会用它来寻找新材料、探索气候解决方案或发现新的数学定理。在每种情况下，其前景都是相同的：从问题到洞察的更快途径，有可能将多年的反复试验压缩到更短的时间内。