科研硬骨頭，AI啃得比人香？

多家初創企業與高校正在研發能自主在實驗室中開展實驗的“AI科學家”，相關成果涵蓋機器人生物學家與機器人化學家等領域。這些機構近期獲得了英國政府突破性研發項目資助機構的額外資金支持。

該競賽由英國先進研究與發明署（ARIA）發起，從中可以直觀地看到該領域的進展速度。該機構共收到245份提案，均來自已在開發相關工具的研究團隊，這些工具能逐步推進實驗室工作的自動化。

ARIA將AI科學家定義為一種能夠運行完整科研流程的系統，它可以提出假設，設計并執行實驗來驗證這些假設，并對結果進行分析。在許多情況下，系統還會將實驗結果反饋給自身，不斷重復這一循環，而人類科學家則轉變為監督者，負責提出最初的研究問題，隨后將大量基礎性工作交由AI科學家完成。

ARIA首席技術官AntRowstron表示：“博士生還有更有價值的事情可做，而不是在實驗室里一直等到凌晨三點，只為了確保一次實驗順利跑完。”

在245份提案中，ARIA最終選出了12個項目予以資助。由于申請數量龐大且整體質量較高，ARIA將原計劃投入的資金總額翻了一倍。其中一半團隊來自英國其余來自美國和歐洲。這些團隊既包括高校研究人員，也包括產業界的研究團隊。每個項目將獲得約50萬英鎊（約合67.5萬美元）的經費，用于支持為期九個月的研究。

在項目結束時，這些團隊需要證明，其研發的AI科學家能夠產生新的研究發現。

獲資助的團隊之一是美國公司LilaSciences。該公司正在開發一種被稱為“AI納米科學家”的系統，用于設計并執行實驗，以尋找量子點的最佳合成與加工方式。量子點是一種納米尺度的半導體顆粒，被廣泛應用于醫學成像、太陽能電池板和QLED電視。

另一個來自英國利物浦大學的團隊正在開發一名機器人化學家。該系統可以同時運行多項實驗，并在機器人發生錯誤時，借助視覺語言模型進行排錯。

此外，一家位于倫敦、仍處于隱秘階段的初創公司正在開發一款名為ThetaWorld的AI科學家系統。該系統利用LLMs來設計與電池性能密切相關的物理和化學相互作用實驗。這些實驗隨后將在美國的SandiaNationalLaboratories的自動化實驗室中執行。

與ARIA通常資助的、周期兩到三年、規模約500萬英鎊的項目相比，50萬英鎊只能算小額投入。但Rowstron表示，這正是設計初衷，因為這對ARIA自身也是一次實驗。通過在短時間內資助一批不同項目，該機構希望對最前沿的進展做一次摸底，以判斷科學研究的方式正在如何變化，以及變化的速度有多快。ARIA從中獲得的認知將成為未來資助大型項目的基線。

Rowstron也承認，當前存在大量炒作，尤其是在多數頭部AI公司都組建了面向科學的團隊之后。當成果通過新聞稿發布而沒有經過同行評議時，就很難判斷技術能力邊界在哪里。他表示，這一直是資助前沿研究的機構面臨的挑戰。要支持前沿工作，就必須先弄清楚前沿到底在哪里。

目前的前沿路徑，是代理型系統能夠按需調用現有工具。Rowstron表示，這些系統會使用大語言模型來完成構思，再用其他模型做優化并運行實驗，然后把結果再反饋回系統中。在他看來，這項技術是分層堆疊的。最底層是人類為人類設計的AI工具，例如AlphaFold。這些工具可以幫助科學家跳過科研流程中緩慢且繁瑣的環節，但驗證結果往往仍需要數月的實驗室工作。AI科學家的目標之一，是讓這部分工作也實現自動化。

Rowstron認為，AI科學家處在這些人類工具之上的一層，并會按需調用這些工具。他表示，未來會出現一個時間點，而且他不認為要等到十年之后，AI科學家這一層會意識到自己需要某種尚不存在的工具，并在解決另一個問題的過程中直接構建出類似AlphaFold的工具。到那時，底層的大部分工具都會實現自動化。他也強調，這仍然需要一定時間才能實現。ARIA目前資助的項目都采用調用現有工具的方式，而不是自行生成新工具。

代理型系統整體也存在尚未解決的問題，這限制了它們在無人干預的情況下能夠持續運行的時間，因為系統可能偏離目標或產生錯誤。比如，印度AI實驗室Lossfunk的研究人員上周在線發布了一項題為《WhyLLMsaren’tscientistsyet》的研究，報告稱，在一次嘗試讓LLM代理完整跑通科研工作流的實驗中，系統四次嘗試里有三次失敗。研究人員認為，失敗原因包括初始規格發生變化，以及在明顯失敗的情況下仍過度興奮并宣布成功。

Rowstron指出，顯然這些工具目前仍處于發展早期，后續也可能出現進展放緩。他說，他并不指望它們贏得諾貝爾獎。

“不過，我們可以預見，其中一些AI科學家會迫使科研活動以更快的速度運轉。”他補充道，“如果最終走向那樣的局面，在那之前，人類提前做好準備就變得非常重要。”