Nature：“AI 科学家”，已经能做什么？

关键词：人工智能科学家；机器学习；自动化研究；科学自动化；Nature

（更多生物医学前沿，点击👆免费获取）
在21世纪的科学研究中，数据量和信息量的爆炸性增长对传统的研究方法提出了挑战。科学家们面临着从海量文献中提取有用信息、形成创新假设、设计和执行实验以及撰写论文的繁重任务。这些任务不仅耗时耗力，而且往往需要跨学科的知识整合和分析能力。随着人工智能（AI）技术的飞速发展，特别是在机器学习和自然语言处理（NLP）领域的突破，自动化和智能化的科学研究逐渐成为可能。
在这样的背景下，东京的Sakana AI公司联合加拿大和英国的实验室开发了“人工智能科学家”（AI Scientist），旨在通过自动化的方式，实现科学研究的全流程。AI Scientist项目的目标是利用先进的机器学习算法和大型语言模型（LLM），从文献阅读、假设形成、解决方案尝试到论文撰写，实现科学研究的自动化【1】。这一尝试不仅是对现有科研方法的一次革新，也是对AI在科学研究中应用潜力的一次探索。

2024年8月30日，Davide Castelvecchi在 Nature杂志新闻专栏发表了题为Researchers built an ‘AI Scientist’ — what can it do?的报道【2】。
研究指出，AI科学家在机器学习领域已经展现出自动化研究的潜力；但它目前只能进行增量式的研究发展，且缺乏独立执行实验室工作的能力。
不过，AI科学家代表着正在实现的未来需求，随着结合更多的技术手段，拓宽AI Scientist的应用范围会逐渐拓宽。

（如需原文，请加微信healsana获取，备注20240816NNews）
🔷AI Scientist的全流程自动化能力：
AI Scientist能够执行从文献扫描、形成假设、尝试解决方案到撰写论文的整个研究流程。它通过使用大型语言模型（LLM）和机器学习算法来搜索相关文献，并利用进化计算技术进行算法的随机变异和选择，以提高模型效率。
🔷自动化实验和评估：
AI Scientist通过运行算法并测量其性能来进行自己的“实验”。在实验结束后，它能够生成论文，并进行一种自动化的同行评审过程来评估结果。
🔷增量式研究发展：
AI Scientist生成的论文只包含增量式的发展，即它目前只能进行小幅度的改进和创新，而不是突破性的科学发现。
🔷领域限制：
AI Scientist目前只能在机器学习领域内进行研究，它缺乏实验室工作的能力，这是大多数科学家认为进行科学研究的关键部分。
🔷同行评审的角色：
AI Scientist甚至承担了部分同行评审的工作，评估自己的研究结果，尽管这在学术界仍然是一个有争议的话题。
🔷流行性偏见：
研究者发现AI Scientist存在“流行性偏见”，倾向于选择引用次数高的论文，这可能影响其选择相关文献和研究方向的客观性和全面性。
🔷开放性和透明度：
研究者公开了AI Scientist的代码和结果，这使得其他研究人员能够分析其结果，并发现AI Scientist的选择可能并非总是最相关的。
🔷对未来科学的影响：
尽管AI Scientist目前的能力有限，但它展示了AI在自动化科学研究中的潜力，预示着未来科学研究方向的可能转变，特别是在处理重复性研究任务方面。
上述研究结果表明，尽管AI Scientist在自动化科学研究方面取得了一定的进展，但它仍然面临着许多挑战，包括领域限制、创新能力的缺乏以及对现有研究方法的依赖。未来的研究需要进一步探索如何克服这些限制，以实现更广泛和深入的科学自动化。

图1. AI Scientist概念图

图2. GPT-4o 评估 AI Scientist 在 ICLR 2022 OpenReview 数据上的论文审查流程

图3. AI Scientist 完全自主生成的论文预览

图4. AI Scientist 审查针对3个领域和4个基础模型的 AI 生成论文的分数分布小提琴图
编者按：
临床意义和科研启示：AI Scientist为医学研究和临床实践提供了一种新的工具，能够通过自动化的方式处理大量数据和文献，从而加速科学发现和临床决策的过程。
临床方面：AI Scientist可以辅助医生和研究人员快速筛选和分析临床试验数据，识别潜在的治疗靶点，以及优化治疗方案。此外，它还可以在药物研发过程中，通过自动化的文献回顾和数据分析，提高研究效率，缩短新药上市的时间。
科研方面：AI Scientist的出现促使科研人员重新思考科学方法论，探索如何将AI技术更好地融入科学研究的各个阶段，包括假设的生成、实验设计、数据分析和知识传播。
但同时，AI科学家也引发了对科研伦理、数据隐私和知识产权等议题的深入讨论，推动科研界在利用AI技术的同时，确保研究的透明度、可靠性和合规性。