不知道大家是否还记得，去年，辛顿教授拿下了诺贝尔物理学奖，当时不少物理学者在社交媒体上展开了激烈讨论，觉得辛顿明明专攻计算机科学，怎么能跟物理挂钩？有意思的是，同时还有另一个“跨界闯入者”，那就是谷歌DeepMind的创始人兼CEO哈萨比斯。他因为在AI领域的突破性进展，竟然获得了诺贝尔化学奖。令人好奇的是，我查遍了各大网站，几乎没有哪位化学家对哈萨比斯获奖表示不满。原因很简单：哈萨比斯的研究不仅推动了AI技术的发展，更实实在在地帮助科学家们大幅节省了时间。
今年2月19日，谷歌DeepMind团队又放大招，推出了一套多智能体AI系统，系统名字叫AI co-scientist，翻译过来叫做“AI协同科学家”。这款“AI科学家”就像一个研究合作者，可以帮助人类科学家生成新颖的假设和研究提案，并加速科学和生物医学的发展。
先说个与DeepMind相关的故事。主角是来自英国帝国理工学院的何塞·佩纳德斯教授，他在细菌学研究领域深耕多年。
之前，他们团队一直在攻克一个难题，关于某些细菌中存在超级耐药细菌的问题。为了搞清楚这些细菌的耐药性，他们需要解析特定蛋白质复合物的三维结构。要做这项工作，传统上得依赖核磁共振、X射线衍射、冷冻电镜等实验手段，嗯，这些名词我也不懂，反正就是传统实验手段需要花很长时间，烧很多钱，有些实验可能得花上几年才能拼凑出蛋白质的关键结构。
但随着技术的进步，新的机遇也随之而来。2021年，DeepMind发布了他们的AI系统AlphaFold核心模型。佩纳德斯团队将他们多年研究的蛋白片段结构输入这个模型进行预测，结果令人惊讶，两天时间就得到了一个几乎完美匹配实验数据的三维结构模型。
佩纳德斯教授在接受学术媒体采访的时候，说自己当时简直被AI震惊了，他的原话是：“我们研究一段关键蛋白足足花了差不多十年时间，都没有彻底搞清楚，但是这个系统只用了两天时间就得到了答案。这个答案与我们的实验结果高度吻合。并且在我们的进一步追问下，AI提出了四种不同的复现方式，其中有一种方法，我从未想到过。”
后来，这段采访被一些媒体添油加醋，说佩纳德斯教授还给谷歌团队发邮件，质问他们是不是悄悄访问了自己电脑里还没发表的文件。虽然我没找到官方报道提到教授发过这封邮件，但从另一个角度看，这也说明了如今的AI已经不只是写文章或做个图那么简单了。在科学研究领域，AI正展现出更大的潜力。毕竟佩纳德斯教授自己也说，这个方向之前并没有其他人做过研究，所以不存在AI复制改写其他人研究的可能性。
谷歌新出的这个协同科学家，它其实是由一组智能体组合而成，分别负责生成、反思、排名、进化、接近和元评审。简单说，就是这个系统里有很多“智能小人”，每个小人负责自己的任务。比如负责“生成”的智能体，它的任务就是从科学家的初始想法出发，通过搜索和研究等方式，提出更多的想法。而在这些“小人”中，还有专门负责管理和流程编排的“指挥官”。
研究团队认为，所有科研项目的进展都需要具备独创性和深刻的洞察力，再结合海量文献的专业知识，才能找到新颖且可行的研究方向。而这些年，跨学科的需求越来越高，所以科研团队不仅要在自己领域有深度，还得有其他领域的广度，想要克服这些挑战可不容易。
不过现在，随着AI的发展，它完全可以成为科研中的得力“助手”，在复杂的领域之间进行深度研究和推理。而科学家要做的，就是用独特的洞察力将这两者结合，从而突破现有的局限，迎接新的发现。
正因如此，谷歌推出的“协同科学家”系统应运而生，成为了科研工作中的得力助手。
这个系统的不同智能体之间，采用了一种“生成、辩论和进化”的方式来提出各种假设。而且，这些智能小人还能在这些假设的基础上进行学术辩论和自我批评，不断打磨和提升研究质量。而科学家们也可以参与进来，和系统互动，提供研究目标、建议，或者关键数据。就像大家真的在一个实验室里当同事一样，互相合作，共同推动研究向前发展。
不仅如此，为了评估AI产生的结果，系统还加入了两种不同的评价体系。
第一个是Elo自动评估系统，用来衡量研究提案的质量。在包含15个研究目标的评估中，AI协同科学家位列第一名，得分为1600分，排名第二的是OpenAI的o3模型，紧随其后的是DeepSeek R1模型，它们俩的得分都在1400分左右。而人类专家的平均得分大约在1250分。
第二个评价体系由六位顶尖人类专家组成，他们会对专业提案进行打分。举个例子，在审阅一份关于急性髓质白血病新药物的研究提案时，六位专家在15个评估项中，均对AI协同科学家的提案打出了“同意”或“强烈同意”的评分。
具体论文原文从谷歌网站中下载，现提供如下，供阅读：
http://sportweb.oss-cn-hangzhou.aliyuncs.com/inpu/20250224/e4f7d673942f6184eadf7a24d3b837ea.pdf
发表评论 取消回复