AI在科学发现中的作用：是机遇还是挑战？
AI在科学发现中的作用：是机遇还是挑战？
随着人工智能技术的飞速发展，其在科学研究中的应用日益广泛。谷歌最新推出的人工智能合作科学家系统（AI co-scientist）在生物医学领域的研究中展现出巨大潜力。该系统不仅能快速生成科学假设，还能与研究人员紧密协作，加速科研进程。本文将详细介绍这一创新技术及其在科学研究中的应用前景。
AI合作科学家系统：加速科学研究的新工具
伦敦帝国理工学院与科技巨头谷歌展开合作，推出了一款旨在帮助研究人员的新型人工智能系统。该系统通过与研究人员的紧密协作，有望"加速科学"进程。
系统设计与工作原理
谷歌的人工智能合作科学家系统并非旨在完全自动化科学研究过程，而是专门设计用于协作。研究人员可以通过自然语言与系统交互，并获得多种形式的反馈，包括直接提供假设供科学家进行实验验证。
该系统能够访问多个信息来源，包括网络搜索、研究论文、领域相关的图表和数据库、专门用于反馈和改进的人工智能系统，以及手动提交的私人文件。
应用案例：抗菌素耐药性研究
帝国理工学院的研究人员以弗莱明计划建立的关系为基础，从一个新的角度应对这一挑战。他们向人工智能的合作科学家设计了问题，要求它探索一个他们已经思考了十多年的话题，并且是最近未发表的实验室实验的主题。
来自帝国理工学院传染病系和弗莱明计划的何塞·佩纳德斯教授共同领导了这项实验工作，他说：“实验室科学是资源密集型的，随着抗菌素耐药性等全球性挑战的逼近，很明显我们需要用更少的资源做更多的事情，加快新发现的速度。”
AI合作科学家系统的工作机制
谷歌的人工智能合作科学家是一个多智能体系统，旨在生成、评估和完善反映人类研究人员如何处理发现的科学假设。与简单检索信息的标准人工智能模型不同，该系统旨在提出新颖的研究方向，并得到科学文献、数据分析和自动推理的支持。
根据谷歌的说法，人工智能合作科学家通过协调多个专门的代理来运作，每个代理在科学推理过程中扮演不同的角色。这些代理包括生成（Generation）、反思(Reflection)、排名(Ranking)、进化(Evolution)、接近(Proximity)和方法代理(Meta-review agents)，所有代理都在迭代循环中一起工作，以完善研究假设和实验方法。
图4：科学家与AI合作科学家系统交互示意图
AI生成假设与未发表研究的匹配
谷歌的人工智能合作科学家进行的最引人注目的测试之一发生在英国伦敦帝国理工学院，那里的科学家们正在研究一种与抗菌素耐药性相关的细菌基因转移机制。他们的研究结果尚未发表，但谷歌的人工智能独立地将同样的研究方向确定为一个高度优先考虑的话题。
斯坦福大学的一项类似测试主要关注肝纤维化，这是一种疤痕组织在肝脏中形成的情况。谷歌的人工智能分析了药物数据，以确定可能被重新利用的现有药物作为治疗用药。该系统提出了两种药物类别，并提供了一份支持证据的排名列表，反映了斯坦福大学的科学家们已经在探索的研究路径。
AI在科学发现中的机遇与挑战
随着人工智能在科学研究中扮演着越来越多的角色，它引起了人们的兴奋和关注。一方面，快速生成和排序假设的能力可以加速发现，降低研究时间，并允许科学家专注于概念性的发展。另一方面，该技术在可靠性、伦理问题和科学探索中的潜在偏见方面也存在风险。
一个关键问题是验证。人工智能可以分析数据和识别模式，但其假设仍然需要人类的监督和实验验证。如果没有适当的控制，就有风险导致A I生成的研究路径可能会引入错误的相关性或导致研究人员走向非生产力的方向。
另一个挑战涉及到人工智能系统所依赖的训练数据。如果一个模型主要是根据来自有限的机构或地理区域的研究进行训练的，它可能会加强现有的偏见同时忽略其他一些研究的观点。
对机器学习模型中偏见的担忧有充分的记录，同样的风险也适用于人工智能辅助的科学研究。另一个可能的问题是缺乏对人工智能工具对已发表的研究论文的有效性的理解。他们必须依靠被引用的数量来作为重要性和质量的代理衡量标准。
结语
虽然人工智能辅助的研究仍然依赖于人类的解释和验证，但它已经在重塑科学发现发生的方式。人工智能是否会在制定未来的突破方面发挥核心作用，仍是一个悬而未决的问题，但它帮助、完善和加速研究的能力正变得越来越明显。
本文原文来自科学网