Two AI Systems Developed to Aid Scientific Discovery Published in Nature

中新网北京5月20日电 (记者 孙自法)国际学术期刊《自然》最新同步在线发表两篇人工智能(AI)研究论文，呈现了研发出的两个人工智能系统，能够协助研究人员在科学研究中提出假设、设计实验和分析数据等多个环节。

这两个系统分别由人工智能科技公司谷歌DeepMind和FutureHouse开发，旨在协助研究人员加速科学发现，而非取代他们。

据介绍，科学发现依赖于不断提出新假设、实验验证和数据分析的循环过程。随着科学主题日益复杂且相互交织，研究人员不仅需要深厚的专业知识，还需具备跨学科的广博知识。虽然AI已被证明能加快研究过程中的单个步骤，但一个单一系统有望进一步优化整个工作流程。

这次发表论文的两套独立系统，包括谷歌DeepMind的“Co-Scientist”和FutureHouse的“Robin”，向人们展示了此类系统在优化科学发现流程方面的潜力。

这两款AI利用多个自主且专业化的AI智能体(agent)，在整个研究过程中执行不同任务。该种方法使系统能够生成假说、提出验证假说的实验方案、解读实验结果，并基于发现结果优化假说。

其中一篇论文基于Gemini2.0构建的Co-Scientist，是一个用于科学发现的通用多智能体系统。尽管初期验证主要集中在生物医学领域，但其设计旨在适用于所有科学学科。

例如，Co-Scientist为急性髓系白血病(一种侵袭性白细胞癌症)提出了新的候选药物和联合疗法。研究团队指出，尽管在细胞系实验中，这些建议的治疗方案显示出潜在益处，但仍需经过严格的临床前和临床评估以验证其治疗效果。

除癌症研究外，Co-Scientist还发现针对肝纤维化的新药物靶点，并揭示出抗菌药物耐药性背后的关键遗传机制。

另一篇论文中，Robin系统同时采用OpenAI的o4-mini和Anthropic的Claude3.7，旨在辅助实验生物学领域的发现工作。研究团队将该系统应用于药物发现研究，例如，Robin协助识别了针对干性年龄相关性黄斑变性的潜在治疗方案，该病是发达国家导致失明的主要原因之一。

该AI系统提出的建议，包括识别视网膜细胞内可调节的靶向过程，并推荐使用一种此前未被提议用于治疗该疾病的候选药物。Robin还建议开展后续研究以探究潜在机制，从而发现了新的潜在药物靶点。论文作者指出，此类治疗方案需通过临床前测试和临床试验进行验证。

两个研究团队均强调，这些AI系统旨在与研究人员协作，且科学家始终处于决策流程之中。两组团队的实际演示，为AI助手辅助科学研究的未来提供了范例。(完)