微软发现：如何利用AI代理加速科学发现

科学研究传统上是一个缓慢而谨慎的过程。科学家们花费数年时间测试想法和进行实验。他们阅读成千上万的论文，并试图连接不同的知识片段。这种方法已经使用了很长时间，但通常需要数年才能完成。今天，世界面临着紧急的问题，如气候变化和疾病，需要更快的答案。微软相信人工智能可以帮助解决这个问题。在 Build 2025 上，微软推出了 微软发现，一个使用 AI 代理加速研究和开发的新平台。本文解释了微软发现如何工作以及为什么代理对于研究和开发至关重要。

现代科学研究的挑战

传统的研究和开发面临着几个挑战，这些挑战已经持续了几十年。科学知识是浩瀚的，分布在许多论文、数据库和仓库中。连接不同领域的想法需要特殊的专业知识和大量时间。研究项目涉及许多步骤，例如审阅文献、形成假设、设计实验、分析数据和改进结果。每一步都需要不同的技能和工具，使得保持进展稳定和一致变得困难。另外，研究是一个迭代的过程。科学知识通过证据、同行讨论和持续改进而增长。这种迭代性质在初始想法和实际应用之间产生了显著的时间延迟。由于这些问题，科学进步的速度与我们需要解决问题的速度之间存在着日益增长的差距，例如气候变化和疾病。这些紧急问题需要比传统研究更快的创新。

微软发现：使用 AI 代理加速 R&D

微软发现是一个为科学研究而建的新企业平台。它使 AI 代理能够与人类科学家合作，生成假设、分析数据和进行实验。微软在 Azure 上构建了该平台，提供了模拟和数据分析所需的计算能力。

该平台通过三个关键功能解决研究挑战。首先，它使用基于图的知识推理来连接不同领域和出版物之间的信息。其次，它采用专门的 AI 代理，可以专注于特定的研究任务，同时与其他代理协调。第三，它维持一个迭代学习循环，根据结果和发现适应研究策略。

微软发现与其他 AI 工具的不同之处在于它支持整个研究过程。与其仅帮助研究的一个部分，该平台支持科学家从想法的开始到最终结果。这种全面的支持可以显著减少科学发现所需的时间。

基于图的知识引擎

传统的搜索系统通过匹配关键字来查找文档。虽然这种方法有效，但它经常忽略科学知识中的更深层次的联系。微软发现使用基于图的知识引擎来映射内部和外部科学来源之间的数据关系。该系统可以理解不同领域的相互矛盾的理论、实验结果和假设。与其仅找到某个主题的论文，该系统可以显示一个领域的发现如何应用于另一个领域的问题。

知识引擎还显示了它如何得出结论。它跟踪来源和推理步骤，因此研究人员可以检查 AI 的逻辑。这种透明度很重要，因为科学家需要了解结论是如何得出的，而不仅仅是答案。例如，当寻找新电池材料时，该系统可以将冶金学、化学和物理学的知识联系起来。它还可以找到矛盾或缺失的信息。这种广泛的视野帮助研究人员找到可能被忽略的新想法。

微软发现中的 AI 代理的作用

代理是一种可以独立地执行任务的人工智能。与仅按照指令协助人类的常规 AI 不同，代理可以做出决定、计划行动和解决问题。它们像智能助手一样，可以主动工作、从数据中学习并在不需要不断的人类指令的情况下帮助完成复杂的工作。

微软发现不使用一个大型 AI 系统，而是采用许多专门的代理来专注于不同的研究任务，并相互协调。这种方法模仿了人类研究团队的工作方式，即具有不同技能的专家合作并共享知识。但是，AI 代理可以连续工作，处理大量数据并保持完美的协调。

该平台允许研究人员创建自定义代理以满足他们的专用需求。研究人员可以使用自然语言指定这些需求，而无需任何编程技能。代理还可以建议使用哪些工具或模型以及如何与其他代理协作。

微软 Copilot 在此协作中发挥着核心作用。它作为科学 AI 助手，根据研究人员的提示编排专用代理。Copilot 了解平台中可用的工具、模型和知识库，并可以设置涵盖整个发现过程的完整工作流程。

现实世界的影响

任何研究平台的真正价值在于其现实世界的价值。微软研究人员发现了一种 新型冷却剂，它不含有害的 PFAS 化学物质，大约需要 200 小时。这项工作通常需要数月或数年。新发现的冷却剂可以帮助减少技术中的环境危害。

在几周内找到和测试新的配方，而不是几年，可以加速向更清洁的数据中心过渡。该过程使用多个 AI 代理来筛选分子、模拟性能和改进性能。在数字阶段之后，他们成功地制造和测试了冷却剂，确认了 AI 的预测和平台的准确性。

微软发现还被用于其他领域。例如，太平洋西北国家实验室 使用 它来创建核科学所需的化学分离的机器学习模型。这些过程复杂且紧急，使得更快的研究至关重要。

科学研究的未来

微软发现正在重新定义研究的方式。科学家不再需要单独工作，使用有限的工具；他们可以与能够处理大量信息、在领域之间找到模式并根据结果改变方法的 AI 代理合作。这种转变使得通过连接不同领域的想法来实现新的发现方法成为可能。材料科学家可以使用生物学见解，药物研究人员可以应用物理学发现，工程师可以使用化学知识。

该平台的模块化设计允许它在不改变当前工作流程的情况下增长新的 AI 模型和领域工具。它保持人类研究人员的控制，放大他们的创造力和直觉，同时处理繁重的计算工作。

挑战和考虑

虽然 AI 代理在科学研究中的潜力是巨大的，但仍然存在几个挑战。确保 AI 假设的准确性需要强大的检查。AI 推理的透明度对于获得科学家的信任至关重要。将该平台集成到现有的研究系统中可能很困难。组织必须调整流程以使用代理，同时遵循法规和标准。

使高级研究工具广泛可用引发了关于保护知识产权和竞争的问题。随着 AI 使研究变得更容易，科学学科可能会发生重大变化。

结论

微软发现提供了一种新的研究方法。它使 AI 代理能够与人类研究人员合作，加速发现和创新。像冷却剂发现和来自大公司的兴趣这样的早期成功表明，AI 代理有可能改变研究和开发的方式跨行业。通过将研究时间从数年缩短到数周或数月，像微软发现这样的平台可以帮助更快地解决全球挑战，如气候变化和疾病。关键是平衡 AI 的力量与人类的监督，以便技术支持而不是取代人类的创造力和决策。rk跨行业。通过将研究时间从数年缩短到数周或数月，像微软发现这样的平台可以帮助更快地解决全球挑战，如气候变化和疾病。关键是平衡AI的力量与人类的监督，以便技术支持而不是取代人类的创造力和决策。